/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
71,5 млрд
Размер весов
145 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2-72B-Instruct
Опубликована
18 авг 2024

magnum-v2-72b

Генерация текстаТекст → текст11 профессий

Дообученная на базе Qwen2-72B-Instruct диалоговая модель Anthracite для генерации связного текста и ответов на инструкции.

73скачиваний за 30 дней40лайковвеса обновлены12 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

    0,3859

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,3542

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,7005

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,756

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4372

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,5456

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Magnum-v2-72b — диалоговая языковая модель Anthracite, созданная для генерации связного текста с качеством прозы, которое авторы стремились приблизить к Claude 3 Sonnet и Opus. Это полноразмерное дообучение Qwen2-72B-Instruct на наборах инструкций и текстовых данных; модель содержит 71,5 млрд параметров и распространяется в формате safetensors.

Модель принимает текстовые запросы в формате ChatML и предназначена для диалогов, ответов на вопросы и написания текстов. Поддерживает девять языков, включая английский, русский, китайский и японский. Длина контекста — 32 768 токенов. В README приведены результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH.

Модель рассчитана на генерацию текста и диалоговое взаимодействие. README не приводит подробных результатов по всем сценариям и раскрывает сведения о безопасности лишь частично. Лицензия указана как other, поэтому конкретные условия использования следует сверять с карточкой модели.

Сценарии применения

  • написание связных текстов и прозы
  • диалоговые ответы на вопросы
  • выполнение инструкций на нескольких языках
  • генерация текстовых ответов в чат-приложениях

Ограничения

Подробные сведения о мерах безопасности и ограничениях применения в README отсутствуют. Условия лицензии обозначены как other, поэтому их следует уточнить на карточке модели.

Для каких профессий подходит11

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

image/png

This is the seventh (Lucky!) in a series of models designed to replicate the prose quality of the Claude 3 models, specifically Sonnet and Opus. This model is fine-tuned on top of Qwen-2 72B Instruct.

Prompting

Model has been Instruct tuned with the ChatML formatting. A typical input would look like this:

"""<|im_start|>user
Hi there!<|im_end|>
<|im_start|>assistant
Nice to meet you!<|im_end|>
<|im_start|>user
Can I ask a question?<|im_end|>
<|im_start|>assistant
"""

Credits

This model has been a team effort, and the credits goes to all members of Anthracite.

Training

The training was done for 2 epochs. We used 8x AMD Instinct™ MI300X Accelerators for the full-parameter fine-tuning of the model.

We also trained with a weight decay of 0.01 to help further stabilize the loss trajectory and mitigate catastrophic forgetting, and utilize a peak learning rate of 4e-6 to prevent the 2nd epoch loss from dropping too significantly (as it is a strong indicator of overfitting). image/png

Sample Packing was done for 16k tokens rather than the 8k tokens used in our previous runs.

Safety

...

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.41.15
IFEval (0-Shot)75.60
BBH (3-Shot)57.85
MATH Lvl 5 (4-Shot)31.65
GPQA (0-shot)18.12
MuSR (0-shot)14.18
MMLU-PRO (5-shot)49.51

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.41.15
IFEval (0-Shot)75.60
BBH (3-Shot)57.85
MATH Lvl 5 (4-Shot)31.65
GPQA (0-shot)18.12
MuSR (0-shot)14.18
MMLU-PRO (5-shot)49.51

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
c6a1f2a

0 моделей