/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
8,6 млрд
Размер весов
17,9 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
29 янв 2024

Yi-Ko-DUS-9B

Генерация текстаТекст → текст6 профессий

Yi-Ko-DUS-9B — двуязычная корейско-английская языковая модель для генерации текста и решения языковых задач.

185скачиваний за 30 дней8лайковвеса обновлены8 июл 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

Yi-Ko-DUS-9B — двуязычная авторегрессионная языковая модель, разработанная Джунбумом Ли (Beomi) и Тэкюном Чхве. Это версия серии Yi-Ko-DUS с 8,6 млрд параметров в формате Transformers, построенная на архитектуре Llama и обученная методом DUS; в README она описана как улучшенная версия Yi-Ko-6B с расширенным словарём и дополнительным предобучением на корейских и английских текстах.

Модель принимает текст и генерирует текст. Она ориентирована на корейский и английский языки, имеет контекстное окно 4096 токенов и расширенный словарь SentencePiece BPE на 78 464 токена, включающий корейскую лексику. Подходит для генерации текста, ответов на вопросы и других языковых задач; в README приведены результаты оценок на корейских наборах KMMLU, KorQuAD, NSMC, KOBEST и Apeach.

Модель распространяется по лицензии Apache-2.0. Представленные оценки относятся к конкретным тестам и не гарантируют качество на других задачах; документация не описывает отдельный чат-интерфейс или вызов инструментов.

Сценарии применения

  • генерация текста на корейском языке
  • генерация текста на английском языке
  • ответы на вопросы по-корейски
  • оценка тональности корейских текстов
  • решение тестов на понимание корейского языка

Ограничения

Контекст ограничен 4096 токенами. Результаты тестов в README не позволяют судить о качестве на задачах и данных, не охваченных этими оценками.

Для каких профессий подходит6

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 @ 2024.01.29 Released Yi-Ko(KoEN)-DUS-9B model 🎉

beomi/Yi-Ko-DUS-9B

Yi-Ko-DUS model serves as DUS-applied and advanced iterations of beomi/Yi-Ko-6B model, benefiting from an expanded vocabulary and the inclusion of Korean/English corpus in its further pretraining.

Yi-Ko-DUS model operates with 9B billion parameters.

This repository focuses on the 9B pretrained version, which is tailored to fit the Hugging Face Transformers format, trained after DUS method applied.

Model Details

Model Developers Junbum Lee (Beomi), Taekyoon Choi (Taekyoon)

Variations Yi-Ko-DUS has 9B model only.

Input Models input text only.

Output Models generate text only.

Model Architecture

Yi-Ko-DUS series models are an auto-regressive language model that uses an optimized transformer architecture based on Llama-2*.

*Yi model architecture is based on Llama2, so it can be loaded via LlamaForCausalLM class on HF.

Model NameTraining DataParamsContext LengthGQATrained TokensLRBatch Size(per step)
Yi-Ko-DUS-9BA mix of Korean + English online data9B4kO>120B5e-52M tokens

Vocab Expansion

Model NameVocabulary SizeDescription
Original Yi-Series64000Sentencepiece BPE
Expanded Yi-Ko(DUS) Series78464Sentencepiece BPE. Added Korean vocab and merges

Tokenizing "안녕하세요, 오늘은 날씨가 좋네요.ㅎㅎ"

Model# of tokensTokens
Original Yi-Series47['<0xEC>', '<0x95>', '<0x88>', '<0xEB>', '<0x85>', '<0x95>', '하', '<0xEC>', '<0x84>', '<0xB8>', '<0xEC>', '<0x9A>', '<0x94>', ',', '▁', '<0xEC>', '<0x98>', '<0xA4>', '<0xEB>', '<0x8A>', '<0x98>', '은', '▁', '<0xEB>', '<0x82>', '<0xA0>', '<0xEC>', '<0x94>', '<0xA8>', '가', '▁', '<0xEC>', '<0xA2>', '<0x8B>', '<0xEB>', '<0x84>', '<0xA4>', '<0xEC>', '<0x9A>', '<0x94>', '.', '<0xE3>', '<0x85>', '<0x8E>', '<0xE3>', '<0x85>', '<0x8E>']
Expanded Yi-Ko(DUS) Series10['▁안녕', '하세요', ',', '▁오늘은', '▁날', '씨가', '▁좋네요', '.', 'ㅎ', 'ㅎ']
*Equal Korean vocab with Llama-2-Ko Series

Tokenizing "Llama 2: Open Foundation and Fine-Tuned Chat Models"

Model# of tokensTokens
Original Yi-Series21['The', '▁Y', 'i', '▁series', '▁models', '▁are', '▁large', '▁language', '▁models', '▁trained', '▁from', '▁scratch', '▁by', '▁developers', '▁at', '▁', '0', '1', '.', 'AI', '.']
Expanded Yi-Ko(DUS) Series21['▁The', '▁Y', 'i', '▁series', '▁models', '▁are', '▁large', '▁language', '▁models', '▁trained', '▁from', '▁scratch', '▁by', '▁developers', '▁at', '▁', '0', '1', '.', 'AI', '.']
*Equal Korean vocab with Llama-2-Ko Series*Since Expanded Yi-Ko Series prepends _ at the beginning of the text(to ensure same tokenization for Korean sentences), it shows negilible difference for the first token on English tokenization.

Model Benchmark

5-shot Korean Dataset Evaluation

KMMLU: 43.3514 (exact_match, kmmlu_direct)

KorQuAD: 80.8798 (exact_match)

NSMC: 88.352 (acc)

KOBEST COPA: 84.4831 (macro_f1)

KOBEST HellaSwag: 52.6099 (macro_f1)

Apeach: Korean HateSpeech: 63.4723 (macro_f1)

LICENSE

Apache 2.0 (for research)

For commercial purpose, mailto: jun@beomi.net to acquire Yi-Ko sereis commercial license.

Citation

Please use this bibtex below:

@misc {lee_junbum_2024,
	author       = { {Lee Junbum, Choi Taekyoon} },
	title        = { Yi-Ko-DUS-9B },
	year         = 2024,
	url          = { https://huggingface.co/beomi/Yi-Ko-DUS-9B },
	doi          = { 10.57967/hf/1707 },
	publisher    = { Hugging Face }
}

Acknowledgement

The training is supported by TPU Research Cloud program.

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
8777cfb

0 моделей