/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
10,7 млрд
Размер весов
21,7 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
2 янв 2024

OPEN-SOLAR-KO-10.7B

Генерация текстаТекст → текст5 профессий

Корейско-английская языковая модель на 10,7 млрд параметров для генерации текста с расширенным корейским словарём.

1 102скачиваний за 30 дней66лайковвеса обновлены20 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

Open-Solar-Ko-10.7B — авторегрессионная языковая модель, разработанная Junbum Lee (Beomi) на основе upstage/SOLAR-10.7B-v1.0. Это продолженное предварительное обучение с расширенным словарём и включением корейского корпуса; архитектура — плотный трансформер LlamaForCausalLM, производный от Llama 2. Модель содержит 10,7 млрд параметров и принимает и выдаёт текст.

Модель предназначена прежде всего для генерации текста на корейском языке, а также поддерживает английский. В обучении использовались общедоступные корейские корпуса AI Hub, Modu Corpus и корейская Википедия; расширенный SentencePiece BPE-словарь содержит 46 592 токена. Контекст составляет 4 096 токенов. В README приведены результаты оценки на нескольких корейских задачах понимания текста.

Расширенный корейский словарь сокращает число токенов для корейских фраз по сравнению с исходным SOLAR-токенизатором. Карточка описывает первоначальную тестовую версию, поэтому качество и пригодность для конкретных сценариев следует проверять отдельно. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста на корейском языке
  • продолжение корейского текста
  • генерация текста на английском языке
  • ответы на корейские вопросы в формате языковой модели
  • оценка понимания корейского текста на бенчмарках

Ограничения

README обозначает релиз как первоначальную тестовую версию; качество для прикладного использования отдельно не гарантируется. Контекст ограничен 4 096 токенами.

Для каких профессий подходит5

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

Update Log

  • 2024.01.08: Initial Test version Release of Solar-Ko

Open-Solar-Ko ⭐🇰🇷

Solar-Ko represents an advanced iteration of the upstage/SOLAR-10.7B-v1.0 model, featuring an expanded vocabulary and the inclusion of a Korean corpus for enhanced pretraining.

Open-Solar-Ko exclusively utilizes publicly accessible Korean corpora, including sources such as AI Hub, Modu Corpus, 모두의 말뭉치, and Korean Wikipedia.

As training was conducted solely with publicly available corpora, this model is open for unrestricted use by everyone, adhering to the Apache2.0 open source License.

Model Details

Model Developers: Junbum Lee (Beomi)

Variations: Solar-Ko is available with one parameter sizes — 10B with Continual Pretrained version.

Input: The model accepts only text input.

Output: The model produces text output exclusively.

Model Architecture:

SOLAR-KO-10.7B is an auto-regressive language model that leverages an optimized transformer architecture derived from Llama-2.

Training DataParametersContent LengthGQATokensLearning Rate
SOLAR-KO-10.7BA curated mix of Publicly Accessible Korean Corpora10.7B4kO>15B*5e-5

Training Corpus

The model was trained using selected datasets from AIHub and Modu Corpus. Detailed information about the training datasets is available below:

  • AI Hub: corpus/AI_HUB
    • Only the Training segment of the data was used.
    • The Validation and Test segments were deliberately excluded.
  • Modu Corpus: corpus/MODU_CORPUS

The final JSONL dataset used to train this model is approximately 61GB in size.

Total token count: Approximately 15 billion tokens (*using the expanded tokenizer. With the original SOLAR tokenizer, >60 billion tokens.)

Vocab Expansion

Model NameVocabulary SizeDescription
Original Solar32000Sentencepiece BPE
Expanded SOLAR-KO-10.7B46592Sentencepiece BPE. Added Korean vocab and merges

Tokenizing "안녕하세요, 오늘은 날씨가 좋네요."

  • SOLAR-10.7B: 26 tokens
  • SOLAR-KO-10.7b: 8 tokens
ModelTokens
SOLAR-10.7B['▁', '안', '<0xEB>', '<0x85>', '<0x95>', '하', '세', '요', ',', '▁', '오', '<0xEB>', '<0x8A>', '<0x98>', '은', '▁', '날', '<0xEC>', '<0x94>', '<0xA8>', '가', '▁', '좋', '네', '요', '.']
SOLAR-KO-10.7B['▁안녕', '하세요', ',', '▁오늘은', '▁날', '씨가', '▁좋네요', '.']

Tokenizing "Meet 10.7B Solar: Elevating Performance with Upstage Depth UP Scaling!"

  • SOLAR-10.7B: 22 tokens
  • SOLAR-KO-10.7b: 22 tokens
ModelTokens
SOLAR-10.7B['▁Meet', '▁', '1', '0', '.', '7', 'B', '▁Solar', ':', '▁E', 'lev', 'ating', '▁Performance', '▁with', '▁Up', 'stage', '▁Dep', 'th', '▁UP', '▁Scal', 'ing', '!']
SOLAR-KO-10.7B['▁Meet', '▁', '1', '0', '.', '7', 'B', '▁Solar', ':', '▁E', 'lev', 'ating', '▁Performance', '▁with', '▁Up', 'stage', '▁Dep', 'th', '▁UP', '▁Scal', 'ing', '!']

LICENSE

Apache 2.0

Model Benchmark

LM Eval Harness - Korean (polyglot branch)

051050
kobest_boolq (macro_f1)0.8539490.880980.8981390.902354
kobest_copa (macro_f1)0.8045310.8267360.8376560.860899
kobest_hellaswag (macro_f1)0.5071740.5009830.4872870.512182
kobest_sentineg (macro_f1)0.35170.9722910.9773210.984884
kohatespeech (macro_f1)0.2581110.4039570.3868080.462393
kohatespeech_apeach (macro_f1)0.3376670.6516970.7053370.827757
kohatespeech_gen_bias (macro_f1)0.1245350.5034640.4985010.443218
korunsmile (f1)0.38140.3569390.3699890.296193
nsmc (acc)0.53560.871620.886540.89632
pawsx_ko (acc)0.54350.52450.53150.5385

Citation

@misc {solar_ko_junbum_2023,
    author       = { {L. Junbum} },
    title        = { Solar-Ko-10.7b },
    year         = 2024,
    url          = { https://huggingface.co/beomi/SOLAR-KO-10.7B },
    publisher    = { Hugging Face }
}

Acknowledgements

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ee5e99d

0 моделей