/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-1.7B
Библиотека
transformers
Опубликована
1 дек 2024

SmolTulu-1.7b-Instruct

Генерация текстаТекст → текст7 профессий

Компактная англоязычная модель на 1,7 млрд параметров для диалогов, выполнения инструкций и решения задач на рассуждение.

115скачиваний за 30 дней13лайковвеса обновлены17 дек 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2693

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3713

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6541

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,171

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,354

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0793

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SmolTulu-1.7b-Instruct — компактная языковая модель SultanR, дообученная на HuggingFaceTB/SmolLM2-1.7B по посттренировочному конвейеру Tulu 3. Модель с архитектурой LlamaForCausalLM содержит 1,7 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 8192 токенов. Она обучена с помощью supervised fine-tuning и direct preference optimization на смесях данных Tulu 3 и предназначена для диалогов, следования инструкциям и решения задач на рассуждение и математику.

Автор приводит результаты оценок на IFEval, GSM8K и других тестах, но они не гарантируют аналогичного качества на пользовательских запросах. Модель ориентирована на английский язык, а её компактный размер делает её подходящей для запуска в условиях ограниченных ресурсов. Доступна под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы и ведение диалога на английском языке
  • выполнение инструкций в текстовом чате
  • решение математических задач и задач на рассуждение
  • оценка следования инструкциям в IFEval
  • эксперименты с посттренировкой малых языковых моделей

Ограничения

В карточке приведены результаты на бенчмарках, но они не гарантируют качество на других задачах; модель компактного размера может уступать более крупным моделям в сложных запросах. В README указаны SFT и DPO, без этапа RLVR.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SmolLM2 1.7b Instruction Tuned & DPO Aligned through Tulu 3!

SmolTulu Banner

SmolTulu-1.7b-Instruct is the first model in a series of models meant to leverage AllenAI's Tulu 3 post-training pipeline to tune the base version of Huggingface's SmolLM2-1.7b! The post training pipeline AllenAI came up with seemed like something perfect to apply here.

This model scores the highest current score in both IFEval and GSM8k (after SmolTulu-1.7b-Reinforced) while maintaining the extremely low contamination levels in Tulu 3 and SmolLM2! I've listed the datasets used to do both the SFT (supervised finetuning) and DPO (direct preference optimization) stages.

Something important to note, this model has only undergone SFT and DPO! Find the RLVR version here, SmolTulu-1.7b-Reinforced

Evaluation

I ran these evaluations using SmolLM2's evaluation code for a more fair comparison.

MetricSmolTulu-1.7b-InstructSmolTulu-1.7b-ReinforcedSmolLM2-1.7B-InstructLlama-1B-InstructQwen2.5-1.5B-InstructSmolLM1-1.7B-Instruct
ARC (Average)51.551.151.741.646.243.7
BBH (3-shot)33.833.432.227.635.325.7
GSM8K (5-shot)51.661.048.226.842.84.6
HellaSwag61.160.466.156.160.955.5
IFEval (Average prompt/inst)67.769.356.753.547.423.1
MMLU-Pro (MCF)17.417.319.312.724.211.7
PIQA72.272.174.472.373.271.6

Training Details

The model was trained using Direct Preference Optimization (DPO) with the following configuration:

  • Base model: SmolLM2-1.7B with AllenAI's SFT pipeline ran
  • Mixed precision: bfloat16
  • Learning rate: 8e-7 with linear scheduler
  • Warmup ratio: 0.1
  • Training epochs: 1
  • Effective batch size: 12
  • Sequence length: 4096 tokens
  • DPO loss: Length-normalized DPO
  • DPO beta: 5.0
  • Gradient checkpointing enabled
  • DeepSpeed Stage 3 for memory optimization

Usage

Just like any Huggingface model, just run it using the transformers library:

# pip install transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
checkpoint = "SultanR/SmolTulu-1.7b-Instruct"
device = "cuda" # for GPU usage or "cpu" for CPU usage
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
# for multiple GPUs install accelerate and do `model = AutoModelForCausalLM.from_pretrained(checkpoint, device_map="auto")`
model = AutoModelForCausalLM.from_pretrained(checkpoint).to(device)
inputs = tokenizer.encode("Gravity is", return_tensors="pt").to(device)
outputs = model.generate(inputs)
print(tokenizer.decode(outputs[0]))

You can also use the model in llama.cpp through the gguf version!

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

To give a more holistic overview, I also added the Open LLM Leaderboard results, which differ a lot from the script that was used to benchmark SmolLM2-Instruct.

As of writing this, the number 1 ranking model in IFEval for any model under 2 billion parameters :)

MetricValue
Avg.15.45
IFEval (0-Shot)65.41
BBH (3-Shot)12.26
MATH Lvl 5 (4-Shot)2.64
GPQA (0-shot)2.57
MuSR (0-shot)1.92
MMLU-PRO (5-shot)7.89

Citation

@misc{alrashed2024smoltuluhigherlearningrate,
      title={SmolTulu: Higher Learning Rate to Batch Size Ratios Can Lead to Better Reasoning in SLMs}, 
      author={Sultan Alrashed},
      year={2024},
      eprint={2412.08347},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2412.08347}, 
}

The training methodology follows the Tulu 3 paper:

@article{lambert2024tulu3,
  title={TÜLU 3: Pushing Frontiers in Open Language Model Post-Training},
  author={Lambert, Nathan and Morrison, Jacob and Pyatkin, Valentina and others},
  year={2024},
  journal={arXiv preprint arXiv:2411.15124}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
038ba8a

0 моделей