/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
zephyr-7b-sft-full
Опубликована
6 мар 2024

zephyr-7b-spin-iter0-v0

Генерация текстаТекст → текст8 профессий

Диалоговая модель Mistral на 7,1 млрд параметров, дообученная методом SPIN для генерации текста и ответов в чате.

21скачиваний за 30 дней1лайквеса обновлены13 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

zephyr-7b-spin-iter0-v0 — диалоговая языковая модель Argilla, дообученная методом SPIN на базе alignment-handbook/zephyr-7b-sft-full с использованием набора argilla/10k_prompts_SPIN_iter0_zephyr_top. Это плотная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; она предназначена для генерации текста и ответов в диалоге. В README приведены результаты оценки, включая средний балл MT-Bench 6,41.

Модель принимает текст и генерирует текст. Доступна в формате safetensors под лицензией Apache-2.0. README не приводит подробных сведений о данных обучения и ограничениях; качество ответов и пригодность для конкретных задач следует оценивать отдельно.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация ответов на пользовательские запросы
  • многоходовые текстовые беседы

Ограничения

Подробные ограничения и состав обучающих данных в карточке не раскрыты; результаты приведены только для указанных оценочных наборов и не гарантируют качество на других задачах.

Для каких профессий подходит8

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

zephyr-7b-spin-iter0-v0

This model is a fine-tuned model with SPIN starting with alignment-handbook/zephyr-7b-sft-full on the argilla/10k_prompts_SPIN_iter0_zephyr_top dataset.

It achieves the following results on the evaluation set:

  • Loss: 0.2359
  • Rewards/real: 1.3255
  • Rewards/generated: -0.8966
  • Rewards/accuracies: 0.9792
  • Rewards/margins: 2.2221
  • Logps/generated: -309.8145
  • Logps/real: -304.9670
  • Logits/generated: -2.7558
  • Logits/real: -2.7547

MT-Bench results

Model1st Turn Score2nd Turn ScoreAverage Score
zephyr-7b-sft-full6.66256.02506.34375
zephyr-7b-spin-iter0-v06.643756.17506.409375
zephyr-7b-spin-iter1-v06.906256.30006.603125
zephyr-7b-spin-iter2-v07.13756.31256.725000
zephyr-7b-spin-iter3-v07.093756.45006.771875

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

SPIN

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2.0

Training results

Training LossEpochStepValidation LossRewards/realRewards/generatedRewards/accuraciesRewards/marginsLogps/generatedLogps/realLogits/generatedLogits/real
0.30110.96250.24421.1606-0.98510.97922.1457-310.6989-306.6157-2.7644-2.7641
0.03761.92500.23591.3255-0.89660.97922.2221-309.8145-304.9670-2.7558-2.7547

Framework versions

  • Transformers 4.37.0
  • Pytorch 2.1.2+cu121
  • Datasets 2.14.6
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
cb77620

0 моделей