/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Архитектура
llama · dense
Опубликована
2 сен 2023

airoboros-l2-13b-2.1-YaRN-64k

Генерация текстаТекст → текст15 профессий

Дообученная на инструкциях Airoboros 2.1 модель Llama 2 на 12,9 млрд параметров для генерации текста и работы с контекстом до 65 536 токенов.

32скачиваний за 30 дней7лайковвеса обновлены14 сен 2023

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

Это дообученная модель генерации текста на архитектуре Llama 2 с 12,9 млрд параметров, созданная автором репозитория на основе NousResearch/Yarn-Llama-2-13b-64k. К модели применён merged QLoRA fine-tune ранга 64 на наборе инструкций Airoboros 2.1; базовая версия использует YaRN для расширения рабочего контекста до 65 536 токенов.

Модель предназначена для ответов на инструкции и вопросы, а также генерации текста с учётом длинного контекста. В описании приведены результаты тестов на ARC, Hellaswag и MMLU и сравнение perplexity на разных длинах контекста. Репозиторий содержит веса safetensors; для запуска через Transformers требуется trust_remote_code=True и совместимая реализация YaRN. Автор указывает, что короткоконтекстные результаты конкурентны с некоторыми моделями сравнения, но также отмечает необходимость дальнейшей проверки качества на длинном контексте. Лицензия в доступных данных не указана.

Сценарии применения

  • ответы на пользовательские инструкции и вопросы
  • суммаризация длинных текстовых материалов
  • генерация текста по длинному контексту
  • анализ документов с большим объёмом текста

Ограничения

Качество внимания к информации в середине длинного контекста требует дальнейшей проверки; для запуска через Transformers необходимы trust_remote_code=True и совместимая реализация YaRN. Лицензия в предоставленных данных не указана.

Для каких профессий подходит15

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

Extended Context (via YaRN) Finetune of Llama-2-13b with airoboros-2.1 (fp16)

TheBloke has kindly quantized this model to GGUF and GPTQ.

Overview

This is a finetune of NousResearch/Yarn-Llama-2-13b-64k, which is base Llama-2-13b with additional pretraining done with YaRN scaling applied to RoPE to extend the useful context length to 64k tokens. Starting with this model, I performed instruction tuning with Jon Durbin's Airoboros 2.1 dataset, with the same scaling approach applied.

This is a (merged) QLoRA fine-tune (rank 64).

The finetune was performed with 1x RTX 6000 Ada (~16 hours).

How to Use

YaRN is not implemented natively in Transformers. The YaRN pretrained model NousResearch/Yarn-Llama-2-13b-64k contains a drop-in llama architecture replacement that interfaces with the included configuration file. To maximize compatibility, I have included the version that omits flash attention. To run using Transformers, you will therefore need to pass trust_remote_code=True.

The PNTK method employed in my other model bhenrym14/airophin-13b-pntk-16k-fp16, is very similar to YaRN. For GPTQ, I have an exllama patch that I may adapt for YaRN, but the community appears motivated to rapidly implement YaRN in common libraries, so I may not bother.

Please comment with any questions and feedback on how this model performs, especially at long context lengths!

Ooba use: Be sure to increase the Truncate the prompt up to this length parameter to 65586 to utilize the full context capabilities. Again trust_remote_code=True is imperative. Obviously, using full context requires A LOT of VRAM.

There may be issues on Windows systems loading this model due to the decimal in "2.1" found in the model name. Try simply changing the model directory name to omit this decimal if you have issues loading the model.

Motivation

Yet another RoPE extensioN method (YaRN) is a novel method of extending the useful context of pretrained LLMs, with architectures employing RoPE, with minimal additonal training requirements. This method is the consequence of efforts to mitigate the shortcomings of other methods such as Position Interpolation (PI) and NTK-Aware scaling. This model is an attempt to enable the community to assess the capabilities of this extension method in real world applications.

Relative Performance (wikitext perplexity)

Context (tokens)bhenrym14/airoboros-l2-13b-2.1-YaRN-64kbhenrym14/airoboros-l2-13b-PI-16k-fp16bhenrym14/airophin-v2-13b-PI-8k-fp16bhenrym14/airophin-13b-pntk-16k-fp16bhenrym14/airoboros-13b-gpt4-1.4.1-PI-8192-fp16bhenrym14/airoboros-33b-gpt4-1.4.1-lxctx-PI-16384-fp16jondurbin/airoboros-l2-13b-gpt4-1.4.1
5127.647.677.387.628.247.907.23
10246.156.155.996.206.716.175.85
20485.295.295.225.385.875.235.07
40964.934.944.905.085.504.914.77
81924.694.714.714.905.32Not Tested57.1
120004.534.54554.8256.1Not TestedNot Tested
  • Despite having a far higher scaling factor, this model is competitive with bhenrym14/airophin-13b-pntk-16k-fp16 at short context lengths.
  • I may need to restrict these comparisons to models finetuned on the same dataset. Differences between airoboros 1.4.1 and 2.0m/2.1 may be a confounder.
  • Overall, it appears that YaRN is capable of extending the context window with minimal impact to short context performance, when compared to other methods. Furthermore, it's able to do this with a FAR higher scaling factor, which with other methods (especially PI), resulted in serious performance degradation at shorter context lengths.
  • Both the YaRN and Code LLama papers suggest that YaRN and NTK scaling may ameliorate the issue of "U shaped" attention to some degree, where long context models struggle to attend to information in the middle of the context window. Further study is needed to evaluate this. Anecdotal feedback from the community on this issue would be appreciated!

Benchmarks

ARC (25 shot): 60.32

Hellaswag (10 shot): 83.90

MMLU (5 shot): 54.39

Prompting:

Prompting differs with the airoboros 2.1 models. See jondurbin/airoboros-l2-13b-2.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
4cea51b

0 моделей