/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
464 млн
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
14 мар 2024

d-Qwen1.5-0.5B

Генерация текстаТекст → текст4 профессии

Экспериментальная дистиллированная модель Qwen1.5 с 464 млн параметров для генерации текста и диалоговых ответов.

78скачиваний за 30 дней6лайковвеса обновлены15 мар 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

aloobun/d-Qwen1.5-0.5B — экспериментальная дистиллированная языковая модель на архитектуре Qwen2ForCausalLM, созданная на основе Qwen1.5-0.5B с использованием Qwen1.5-1.8B в роли учителя. Разработчик сообщает о дообучении на примерах из The Pile и приводит результаты тестирования на нескольких бенчмарках, включая TruthfulQA и GSM8K.

Модель предназначена для генерации текста и диалогового взаимодействия; её можно применять для ответов на вопросы, простых рассуждений и арифметических задач. Размер — около 464 млн параметров, заявленное контекстное окно — 32 768 токенов. Карточка указывает лицензию other, поэтому условия использования следует сверять с лицензией базовой модели и материалами репозитория.

Сценарии применения

  • генерация текста по запросу
  • диалоговые ответы на вопросы
  • простые математические задачи
  • проверка гипотез на TruthfulQA
  • эксперименты с дистилляцией небольших языковых моделей

Ограничения

Автор описывает модель как эксперимент и отмечает, что планирует продолжить обучение; приведённые результаты относятся к ограниченному набору бенчмарков и не гарантируют качество в других сценариях. Лицензия обозначена как other, поэтому условия использования нужно проверить в репозитории.

Для каких профессий подходит4

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

Student model, after fine-tuning, improves upon the performance of the basemodel on two benchmarks: truthfulqa and gsm8k

  • truthfulqa: student = 39.29 vs base = 38.3

  • gsm8k: student = 17.06 vs base = 16.3

Benchmarks

aloobun/d-Qwen1.5-0.5B:

Avg.ArcHellaSwagMMLUTruthfulQAWinograndeGSM8K
38.0730.2947.7538.2139.2955.817.06

Qwen/Qwen1.5-0.5B:

Avg.ArcHellaSwagMMLUTruthfulQAWinograndeGSM8K
38.6231.4849.0539.3538.357.2216.3

I will train it longer in my next run; can do better.

  • This is a distillation experiment with Qwen1.5-1.8B as teacher and Qwen1.5-0.5B as student model respectively.
  • Samples were taken from the Pile dataset.
  • optimizer: SM3, scheduler: cosine with warmup, lr=2e-5

Qwen1.5 is a language model series including decoder language models of different model sizes. For each size, we release the base language model and the aligned chat model. It is based on the Transformer architecture with SwiGLU activation, attention QKV bias, group query attention, mixture of sliding window attention and full attention, etc. Additionally, we have an improved tokenizer adaptive to multiple natural languages and codes. For the beta version, temporarily we did not include GQA and the mixture of SWA and full attention.

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
ce5c374

0 моделей