/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B
Библиотека
transformers
Опубликована
24 ноя 2024

Teleut-7b

Генерация текстаТекст → текст7 профессий

Экспериментальная дообученная на смеси Tulu 3 модель Qwen2.5-7B для диалоговой генерации текста.

74скачиваний за 30 дней12лайковвеса обновлены24 ноя 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

    0,464

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3263

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,4131

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2409

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6379

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5141

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Teleut 7B — экспериментальная попытка воспроизвести обучение Tülu 3 на базовой модели Qwen2.5-7B. Модель разработана allura-org и предназначена для генерации текста в диалоговом формате; в карточке приведены результаты оценок на BBH, GSM8K и IFEval, но это предварительные измерения, а не гарантия качества в прикладных задачах.

Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, дообученная на смеси AllenAI Tulu 3 SFT. Она принимает текст и генерирует текст, использует библиотеку Transformers и поддерживает контекст до 131 072 токенов. Модель создана как репликационная попытка, поэтому её результаты могут отличаться от опубликованных показателей Tülu 3; README также содержит неполную таблицу оценок.

Веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • решение задач на рассуждение и понимание инструкций
  • решение математических задач с пошаговыми рассуждениями
  • оценка следования текстовым инструкциям

Ограничения

Это репликационная попытка, а приведённые оценки предварительные и неполные; результаты не гарантируют качество на других задачах. Языки модели в карточке не подтверждены.

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

Teleut 7b

image/png

A replication attempt of Tulu 3 on the Qwen 2.5 base models.

Evals (so far)

Teleut 7B (measured)Tülu 3 SFT 8B (reported)Qwen 2.5 7B Instruct (reported)Ministral 8B (reported)Mistral 7B v0.3 (reported)
BBH (3 shot, CoT)64.4%67.9%21.7%56.2%47.0%NLL
GSM8K (8 shot, CoT)78.5%76.2%83.8%80.0%xx.x%
IFEval (prompt loose)66.3%72.8%74.7%56.4%53.0%
MMLU (0 shot, CoT)73.2%65.9%76.6%68.5%30.7%5-shot
MMLU Pro (0 shot, CoT)48.3%44.3%56.3%Unknown32.9%5-shot30.7%5-shot
PopQA (15 shot)18.9%29.3%18.1%20.2%xx.x%
TruthfulQA47.2%46.8%63.1%55.5%xx.x%

Credits

Big thanks to Retis Labs for being providing my 8xH100 polycule used to train and test this model!
Another big thanks to AllenAI for publishing the Tülu 3 data and model series (as well as the paper and details on training), as well as Alibaba for training the original Qwen 2.5 base model series!

@article{lambert2024tulu3,
  title = {Tülu 3: Pushing Frontiers in Open Language Model Post-Training},
  author = {
    Nathan Lambert and 
    Jacob Morrison and 
    Valentina Pyatkin and 
    Shengyi Huang and 
    Hamish Ivison and 
    Faeze Brahman and 
    Lester James V. Miranda and 
    Alisa Liu and 
    Nouha Dziri and 
    Shane Lyu and 
    Yuling Gu and 
    Saumya Malik and 
    Victoria Graf and 
    Jena D. Hwang and 
    Jiangjiang Yang and
    Ronan Le Bras and
    Oyvind Tafjord and
    Chris Wilhelm and
    Luca Soldaini and 
    Noah A. Smith and 
    Yizhong Wang and 
    Pradeep Dasigi and 
    Hannaneh Hajishirzi
  },
  year = {2024},
  email = {tulu@allenai.org}
}

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3.5e-06
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • total_eval_batch_size: 64
  • optimizer: Use paged_ademamix_8bit and the args are: No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 370
  • num_epochs: 1

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Configuration

axolotl version: 0.5.2

base_model: Qwen/Qwen2.5-7B

plugins:
  - axolotl.integrations.liger.LigerPlugin
liger_rope: true
liger_rms_norm: true
liger_glu_activation: true
liger_fused_linear_cross_entropy: true

strict: false

chat_template: chatml
datasets:
  - path: allenai/tulu-3-sft-mixture
    type: chat_template
    split: train
    field_messages: messages

dataset_prepared_path: last_run_prepared
#val_set_size: 0.02
output_dir: ./ckpts

sequence_len: 8192
#sample_packing: true
pad_to_sequence_len: true

wandb_project: qwen-2.5-7b-sft
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 2
micro_batch_size: 8
num_epochs: 1
optimizer: paged_ademamix_8bit
lr_scheduler: cosine
learning_rate: 3.5e-6

train_on_inputs: false
group_by_length: false
bf16: auto
fp16:
tf32: false

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false
early_stopping_patience:
resume_from_checkpoint:
logging_steps: 1
xformers_attention:
flash_attention: true

deepspeed: deepspeed_configs/zero3_bf16.json

warmup_steps: 370
#evals_per_epoch: 4
eval_table_size:
saves_per_epoch: 2
debug:
weight_decay: 0.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
259e5b8

0 моделей