/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
27,3 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mixtral · MoE
Опубликована
21 мая 2024

Llama-3-Chatty-2x8B

Генерация текстаТекст → текст3 профессии

Разговорная MoE-модель на основе двух Llama 3 Instruct, предназначенная прежде всего для текстовых ролевых диалогов в разных форматах.

93скачиваний за 30 дней11лайковвеса обновлены22 мая 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 оценки

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

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Llama-3-Chatty-2x8B — разговорная языковая модель от Undi95, созданная для текстового общения и ролевых диалогов. Автор объединил в MoE-архитектуре двух экспертов на основе Llama-3-Instruct-8B: один обучен на ролевом тексте с действиями и описаниями в звёздочках, другой — на прозе с репликами персонажей и описанием действий. В README указано, что репозиторий содержит веса FP16; метаданные описывают архитектуру как MixtralForCausalLM, а размер — 7,5 млрд параметров.

Модель принимает текст и генерирует текст, поддерживает шаблон диалога в формате Llama 3 и контекст до 8192 токенов. Её можно использовать для ролевых игр, написания диалогов и обычных разговорных запросов. Автор сообщает о тестировании на нескольких бенчмарках, но не приводит в доступной части карточки полного описания оценки качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование בלבד.

Сценарии применения

  • ведение ролевого диалога с действиями в звёздочках
  • ведение ролевого диалога в формате обычной прозы
  • написание реплик и описаний действий персонажей
  • ответы на обычные разговорные запросы
  • генерация продолжения текстовой ролевой сцены

Ограничения

Модель ориентирована на текстовые ролевые сценарии, поэтому качество в других задачах может быть менее предсказуемым. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Chatty-2x8B

Description

After some testing, finetuning and multiple merges of Llama-3 LLM models, here is something a little different.

This model is a MoE of 2x Llama-3 model trained on different RP format.

This repo contains FP16 files of Chatty-2x8B.

The idea

I started with two separate Llama-3-Instruct-8B models, each fine-tuned for specific RP formats.

Here is two simple exemple of how it was trained.

  • Expert 1: This model is trained to handle RP that requires actions and descriptions between asterisks. For example:
    *nods* Yes, I understand.
    
  • Expert 2: This model is fine-tuned for plain text RP where characters’ dialogues and actions are described straightforwardly. For example:
    Nods. "Yes, I understand."
    

My initial idea was to make a 11B or bigger Llama-3 model, or just make a 2x8B from existing model, but I got some issues, they were not stable enough, even after DPO and FFT on top my frankenmerge/moe of Llama-3, it was not working well enough to release them.

So I just tried the idea of having 2 different RP format trained on 2 separated Llama-3-Instruct-8B, and it worked pretty well!

The dataset

Based on Lumimaid 8B OAS success I still used the same "balance" between RP and non RP in the dataset, the maximum was 50% non RP data on each side.

RP data was different with some exception, the non RP data was exactly the same, despite that, I can't produce repetition so the double usage of non RP datasets didn't hurt the model in the end.

Prompt template: Llama3

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{input}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

{output}<|eot_id|>

Others

Undi: If you want to support us, you can here.

IkariDev: Visit my retro/neocities style website please kek

TasksVersionFiltern-shotMetricValueStderr
arc_challenge1none0acc0.5469±0.0145
none0acc_norm0.5853±0.0144
arc_easy1none0acc0.8308±0.0077
none0acc_norm0.8258±0.0078
gsm8k3strict-match5exact_match0.7149±0.0124
flexible-extract5exact_match0.7096±0.0125
hellaswag1none0acc0.5945±0.0049
none0acc_norm0.7806±0.0041
piqa1none0acc0.7943±0.0094
none0acc_norm0.7998±0.0093
truthfulqa_mc22none0acc0.5097±0.0150
winogrande1none0acc0.7356±0.0124

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
0db91b0

0 моделей