/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Библиотека
transformers
Опубликована
11 июн 2024

Smaug-Llama-3-70B-Instruct-32K

Генерация текстаТекст → текст15 профессий

Диалоговая модель Abacus.AI на базе Llama 3 70B Instruct с контекстом 32K для генерации текста, ответов на вопросы, математики и помощи с кодом.

8 578скачиваний за 30 дней21лайквеса обновлены6 авг 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.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4208

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6493

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,4765

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2961

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2749

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,7761

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Smaug-Llama-3-70B-Instruct-32K — большая языковая модель Abacus.AI для диалогов и генерации текста, основанная на Meta Llama 3 70B Instruct. Это плотная авторегрессионная архитектура Llama с 69,5 млрд параметров и контекстом до 32 768 токенов. Версия 32K использует PoSE и перенос LoRA-адаптера; формат репозитория — safetensors, модель предназначена для работы с Transformers и сохраняет формат промптов Llama 3 70B Instruct.

Модель подходит для диалоговых ассистентов, ответов на вопросы, решения математических задач и помощи с кодом. В README приведены результаты отдельных тестов, однако авторы отмечают, что на оценку Arena-Hard влияет многословность ответов; часть результатов бенчмарков отсутствует или помечена как предварительная. Модель распространяется по лицензии Llama 3 (llama3), условия которой следует учитывать при использовании и распространении.

Сценарии применения

  • создание диалогового ассистента
  • ответы на вопросы по длинному контексту
  • решение математических задач и текстовых задач
  • генерация и объяснение кода
  • суммирование и продолжение текста

Ограничения

Многословность ответов может влиять на результаты некоторых оценок, а приведённые бенчмарки неполны и зависят от методики тестирования. Лицензия Llama 3 накладывает собственные условия использования и распространения.

Для каких профессий подходит15

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

Smaug-Llama-3-70B-Instruct-32K

Built with Meta Llama 3

This is a 32K version of Smaug-Llama-3-70B-Instruct. It uses PoSE (https://arxiv.org/abs/2309.10400) and LoRA (https://arxiv.org/abs/2106.09685) adapter transfer. More details are coming soon.

Needle-In-A-Haystack (https://github.com/jzhang38/EasyContext) heatmap:

image/png

Model Description

How to use

The prompt format is unchanged from Llama 3 70B Instruct.

Use with transformers

See the snippet below for usage with Transformers:

import transformers
import torch

model_id = "abacusai/Smaug-Llama-3-70B-Instruct"

pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)

messages = [
    {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"},
    {"role": "user", "content": "Who are you?"},
]

prompt = pipeline.tokenizer.apply_chat_template(
		messages, 
		tokenize=False, 
		add_generation_prompt=True
)

terminators = [
    pipeline.tokenizer.eos_token_id,
    pipeline.tokenizer.convert_tokens_to_ids("<|eot_id|>")
]

outputs = pipeline(
    prompt,
    max_new_tokens=256,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.6,
    top_p=0.9,
)
print(outputs[0]["generated_text"][len(prompt):])

Evaluation

Arena-Hard

Arena-Hard

Score vs selected others (sourced from: (https://lmsys.org/blog/2024-04-19-arena-hard/#full-leaderboard-with-gpt-4-turbo-as-judge)). GPT-4o and Gemini-1.5-pro-latest were missing from the original blob post, and we produced those numbers from a local run using the same methodology.

ModelScore95% Confidence IntervalAverage Tokens
GPT-4-Turbo-2024-04-0982.6(-1.8, 1.6)662
GPT-4o78.3(-2.4, 2.1)685
Gemini-1.5-pro-latest72.1(-2.3, 2.2)630
Claude-3-Opus-2024022960.4(-3.3, 2.4)541
Smaug-Llama-3-70B-Instruct-32K60.0(-2.6, 2.1)844
Smaug-Llama-3-70B-Instruct56.7(-2.2, 2.6)661
GPT-4-031450.0(-0.0, 0.0)423
Claude-3-Sonnet-2024022946.8(-2.1, 2.2)552
Llama-3-70B-Instruct41.1(-2.5, 2.4)583
GPT-4-061337.9(-2.2, 2.0)354
Mistral-Large-240237.7(-1.9, 2.6)400
Mixtral-8x22B-Instruct-v0.136.4(-2.7, 2.9)430
Qwen1.5-72B-Chat36.1(-2.5, 2.2)474
Command-R-Plus33.1(-2.1, 2.2)541
Mistral-Medium31.9(-2.3, 2.4)485
GPT-3.5-Turbo-061324.8(-1.6, 2.0)401

Note that we believe the number of tokens/verbosity of the model strongly influences the GPT-4 judge in this case, and at least partially explains the improvement in Arena-Hard score for the 32K model.

OpenLLM Leaderboard Manual Evaluation

ModelARCHellaswagMMLUTruthfulQAWinograndeGSM8K*Average
Smaug-Llama-3-70B-Instruct-32K70.1TBATBA61.982.2TBATBA
Llama-3-70B-Instruct71.485.780.061.882.991.178.8

GSM8K The GSM8K numbers quoted here are computed using a recent release of the LM Evaluation Harness. The commit used by the leaderboard has a significant issue that impacts models that tend to use : in their responses due to a bug in the stop word configuration for GSM8K. The issue is covered in more detail in this GSM8K evaluation discussion. The score for both Llama-3 and this model are significantly different when evaluated with the updated harness as the issue with stop words has been addressed.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.34.72
IFEval (0-Shot)77.61
BBH (3-Shot)49.07
MATH Lvl 5 (4-Shot)21.22
GPQA (0-shot)6.15
MuSR (0-shot)12.43
MMLU-PRO (5-shot)41.83

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
f05df8f

0 моделей