/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B
Библиотека
transformers
Опубликована
28 сен 2024

Einstein-v8-Llama3.2-1B

Генерация текстаТекст → текст3 профессии

Дообученная модель Llama 3.2 1B для генерации текста в диалоговом формате.

52скачиваний за 30 дней2лайкавеса обновлены1 окт 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

    0,2584

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3018

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1161

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3618

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0008

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1862

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Einstein-v8-Llama3.2-1B — дообученная Weyaxi модель на основе Meta Llama 3.2 1B, предназначенная для генерации текста в диалоговом формате. В карточке указано, что при обучении использовалась версия Axolotl 0.4.1; датасет обозначен как None. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат Safetensors. Заявленная длина контекста — 131 072 токена.

Карточка приводит значение Loss 0,9292 на оценочном наборе и результаты Open LLM Leaderboard, включая средний балл 4,63, IFEval 18,62 и BBH 3,01. Назначение и ограничения подробнее не описаны, поэтому эти показатели не позволяют сделать вывод о качестве для конкретных сценариев. Лицензия — Llama 3.2; применяются её условия использования.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • создание продолжений текста
  • разработка чат-бота на основе небольшой языковой модели

Ограничения

В карточке не описаны целевое назначение, обучающий датасет и конкретные ограничения; результаты оценки сами по себе не подтверждают пригодность для определённых сценариев.

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

axolotl version: 0.4.1

base_model: meta-llama/Llama-3.2-1B
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

chat_template: chatml
datasets:
  - path: datasets/airoboros_3.2_without_contextual_slimorca_orca_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/allenai_wild_chat_gpt4_english_toxic_random_half_4k_sharegpt.json
    ds_type: json
    type: sharegpt
    strict: false
    conversation: chatml

  - path: datasets/buzz_unstacked_chosen_math_removed_filtered.json
    ds_type: json
    type: alpaca
    conversation: chatml

  - path: datasets/capybara_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/cot_alpaca_gpt4_extracted_openhermes_2.5_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/everythinglm-data-v3_sharegpt.json
    ds_type: json
    type: sharegpt
    strict: false
    conversation: chatml

  - path: datasets/gpt4_data_lmys_1m_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/gpteacher-instruct-special-alpaca.json
    ds_type: json
    type: gpteacher
    conversation: chatml

  - path: datasets/merged_all.json
    ds_type: json
    type: alpaca
    conversation: chatml

  - path: datasets/no_robots_sharegpt.json
    ds_type: json
    type: sharegpt
    strict: false
    conversation: chatml

  - path: datasets/oasst_top1_from_fusechatmixture_sharegpt.json
    ds_type: json
    type: sharegpt
    strict: false
    conversation: chatml

  - path: datasets/pippa_bagel_repo_3k_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/rpguild_quarter_alignment_lab_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/sharegpt_gpt4_english.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/slimorca_dedup_filtered_95k_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/soda_diaolog_longest_tenth_buzz_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/synthia-v1.3_sharegpt_12500.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/system_conversations_dolphin_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml
  
  - path: datasets/NuminaMath-CoT-olympiads-40k_alpaca.json
    ds_type: json
    type: alpaca
    conversation: chatml

  - path: datasets/math-gpt-4o-40k_alpaca.json
    ds_type: json
    type: alpaca
    conversation: chatml

  - path: datasets/sonnet3.5_science_conversations_sharegpt.json
    ds_type: json
    type: sharegpt
    conversation: chatml

  - path: datasets/reasoning-0.01_sharegpt.jsonl
    ds_type: json
    type: sharegpt
    conversation: chatml

dataset_prepared_path: last_run_prepared
val_set_size: 0.002

output_dir: ./Einstein-v8-Llama3.2-1B-model

sequence_len: 8192
sample_packing: true
pad_to_sequence_len: true
eval_sample_packing: false

wandb_project: Einstein
wandb_entity:
wandb_watch:
wandb_name: Einstein-v8-Llama3.2-1B-2-epoch
wandb_log_model:
hub_model_id: Weyaxi/Einstein-v8-Llama3.2-1B

save_safetensors: true

gradient_accumulation_steps: 4
micro_batch_size: 4 
num_epochs: 2
optimizer: adamw_bnb_8bit # look
lr_scheduler: cosine
learning_rate: 0.000005 # look

train_on_inputs: false
group_by_length: false
bf16: true
fp16: false
tf32: false

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_steps: 10
evals_per_epoch: 4
eval_table_size:
eval_table_max_new_tokens: 128
saves_per_epoch: 1
debug:

deepspeed: axolotl/deepspeed_configs/zero3_bf16.json
weight_decay: 0.0
fsdp:
fsdp_config:
special_tokens:
  bos_token: "<s>"
  eos_token: "<|im_end|>"
  unk_token: "<unk>"
  pad_token: <|end_of_text|> # changed
tokens:
  - "<|im_start|>"

Einstein-v8-Llama3.2-1B

This model is a fine-tuned version of meta-llama/Llama-3.2-1B on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9292

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-06
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.42610.000911.4028
1.04870.25012680.9917
1.04840.50015360.9652
1.00390.75028040.9499
1.05281.000210720.9399
0.95591.248113400.9345
0.90781.498116080.9309
0.97021.748118760.9295
0.9291.998121440.9292

Framework versions

  • Transformers 4.45.0
  • Pytorch 2.3.1+cu121
  • Datasets 2.21.0
  • Tokenizers 0.20.0

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.4.63
IFEval (0-Shot)18.62
BBH (3-Shot)3.01
MATH Lvl 5 (4-Shot)0.00
GPQA (0-shot)1.12
MuSR (0-shot)3.22
MMLU-PRO (5-shot)1.79

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
06a50d5

0 моделей