/ Модель

Характеристики

Контекст
16 384 токена
Параметры
1,7 млрд
Размер весов
3,7 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
28 фев 2024

Cypher-CoT-1.8B

Генерация текстаТекст → текст3 профессии

Экспериментальная модель на 1,7 млрд параметров для генерации текста с пошаговыми рассуждениями, дообученная на h2oai/h2o-danube-1.8b-chat.

30скачиваний за 30 дней1лайквеса обновлены28 фев 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

Cypher-CoT-1.8B — экспериментальная языковая модель aloobun, дообученная на h2oai/h2o-danube-1.8b-chat на наборе задач с пошаговыми рассуждениями. Это плотная Mistral-архитектура для генерации текста и диалогов; размер модели составляет 1,7 млрд параметров, контекст — до 16 384 токенов. В примере модель раскладывает арифметическую задачу на шаги и формулирует итоговый ответ.

Модель подходит для экспериментов с генерацией решений и объяснений для задач, требующих цепочки рассуждений. Обучение проводилось на данных kaist-ai/CoT-Collection. Контрольные показатели в карточке обозначены как находящиеся в разработке, поэтому качество не подтверждено опубликованными бенчмарками. Распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • пошаговое решение арифметических текстовых задач
  • генерация объяснений к ответам
  • эксперименты с цепочками рассуждений в диалоговой модели

Ограничения

Модель обозначена как экспериментальная, а её бенчмарки ещё не завершены; качество и надёжность ответов не подтверждены опубликованными результатами.

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

Cypher aloobun h2oai1.8B

  • This is an experimental model, Finetuned h2oai/h2o-danube-1.8b-chat, on variety of CoT tasks.
  • The original idea was to use this 1.8B model, divide the dataset based on task specific capabilities, train models and transform them into a mixture of experts.
  • Hyperparameters: adamw with eps of 1e-8, cosine decay w/ 20% warmup, lr=2e-5.

Format:

<|system|></s><|prompt|></s><|answer|>

Benchamrks:

WIP

Example:

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer, StoppingCriteria
import torch

class MyStoppingCriteria(StoppingCriteria):
  def __init__(self, target_sequence, prompt):
    self.target_sequence = target_sequence
    self.prompt=prompt

  def __call__(self, input_ids, scores, **kwargs):
    generated_text = tokenizer.decode(input_ids[0])
    generated_text = generated_text.replace(self.prompt,'')
    if self.target_sequence in generated_text:
        return True 
    return False 

  def __len__(self):
    return 1

  def __iter__(self):
    yield self

modelpath="aloobun/Cypher-CoT-1.8B"

model = AutoModelForCausalLM.from_pretrained(
    modelpath,
    torch_dtype=torch.bfloat16,
    device_map="cuda",
    trust_remote_code=True,       
)

tokenizer = AutoTokenizer.from_pretrained(
    modelpath,
    trust_remote_code=True,      
    use_fast=False,
)

prompt = "<|prompt|>James takes a spinning class 3 times a week. He works out for 1.5 hours each class and burns 7 calories per minute. How many calories does he burn per week?</s><|answer|>"
encoded_input = tokenizer(prompt, return_tensors='pt')
input_ids=encoded_input['input_ids'].cuda()
streamer = TextStreamer(tokenizer=tokenizer, skip_prompt=True)
op = model.generate(
    input_ids,
    streamer=streamer,
    pad_token_id=tokenizer.eos_token_id,
    do_sample=True,
    temperature=0.7,
    top_p=0.8,
    max_new_tokens=512,
    stopping_criteria=MyStoppingCriteria("</s>", prompt)
)

Output:

James takes a spinning class 3 times a week, so he spends a total of 3 * 1.5 = 4.5 hours in the class each week. Since there are 60 minutes in an hour, this is equivalent to 4.5 * 60 = 270 minutes. If he burns 7 calories per minute, then he burns a total of 270 * 7 = 1890 calories per week. ####1890 The answer is: 1890

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
ea8902a

0 моделей