/ Модель

Характеристики

Контекст
131 072 токена
Параметры
32 млрд
Размер весов
65,5 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-32B-Instruct
Библиотека
transformers
Опубликована
26 ноя 2024

Q2.5-32B-Slush

Генерация текстаТекст → текст3 профессии

Экспериментальная 32-миллиардная модель на базе Qwen2.5 для творческого письма и ролевых диалогов.

26скачиваний за 30 дней11лайковвеса обновлены2 дек 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

Q2.5-32B-Slush — экспериментальная текстовая модель для диалогов и ролевой игры, созданная crestf411 на базе Qwen2.5-32B-Instruct. По описанию автора, обучение проходило в два этапа: продолжение предварительного обучения с целью усилить творческие и писательские способности, затем дообучение для ролевых сценариев и исправления возможных побочных эффектов первого этапа. Итоговые веса объединены методом TIES.

Модель имеет архитектуру Qwen2 dense с 32 млрд параметров, работает через Transformers и поддерживает контекст до 131 072 токенов. Карточка ориентирует её на формат ChatML и пресет Silly Tavern; модель рассчитана на генерацию художественного текста и ролевые диалоги. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ведение ролевого диалога с персонажем
  • генерация художественных сцен и описаний
  • написание творческих текстов
  • продолжение повествования в Silly Tavern

Ограничения

Автор отмечает, что модель иногда говорит от имени пользователя и может добавлять лишний итоговый абзац в ролевых ответах; качество описано как раннее и несовершенное. Рекомендуемый формат — ChatML с пресетом Silly Tavern, поэтому результаты могут отличаться при других шаблонах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

slush.jpg

(GGUFs)

Slush is a two-stage model trained with high LoRA dropout, where stage 1 is a pretraining continuation on the base model, aimed at boosting the model's creativity and writing capabilities. This is then merged into the instruction tune model, and stage 2 is a fine tuning step on top of this to further enhance its roleplaying capabilities and/or to repair any damage caused in the stage 1 merge.

This is still early stage. As always, feedback is welcome, and begone if you demand perfection.

The second stage, like the Sunfall series, follows the Silly Tavern preset (ChatML), so ymmv in particular if you use some other tool and/or preset.

Parameter suggestions

I did all my testing with temp 1, min-p 0.1, DRY 0.8, but enabled XTC as context grew and/or the model started saying "the same stuff".

Qwen 2.5 32B Instruct (vanilla) has a strong tendency to start speaking for the user, especially in narrator scenarios. I was unable to properly train this out of the model completely, so you may want to add e.g. "\nYou" as a stopping string, and enable "trim incomplete sentences", especially if you have banned sentences.

The model has a tendency to add an unnecesary final paragraph to responses during roleplay, sort of like a "summary" of how the character is feeling. Keeping it is OK, but it may snowball quickly. Hoping to address this but not sure how.

Training details

  • Stage 1 (continued pretraining)
    • Target: Qwen/Qwen2.5-32B (resulting LoRA merged into Qwen/Qwen2.5-32B-Instruct)
    • LoRA dropout 0.5 (motivation)
    • LoRA rank 32, alpha 64 (motivation)
    • LR cosine 4e-6
    • LoRA+ with LR Ratio: 15
    • Context size: 8192
    • Gradient accumulation steps: 4
    • Epochs: 1
  • Stage 2 (fine tune)
    • Target: Stage 1 model
    • LoRA dropout 0.5
    • LoRA rank 32, alpha 64
    • LR cosine 5e-6 (min 5e-7)
    • LoRA+ with LR Ratio: 15
    • Context size: 16384
    • Gradient accumulation steps: 4
    • Epochs: 1

Merge Details

Merge Method

This model was merged using the TIES merge method.

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: stage1-model
    parameters:
      weight: 1
      density: 1
  - model: stage2-model
    parameters:
      weight: 1
      density: 1
  - model: Qwen/Qwen2.5-32B-Instruct
    parameters:
      weight: 0.9
      density: 0.9
merge_method: ties
base_model: Qwen/Qwen2.5-32B
parameters:
  weight: 0.9
  density: 0.9
  normalize: true
  int8_mask: true
tokenizer_source: Qwen/Qwen2.5-32B-Instruct
dtype: bfloat16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
20cf5d4

0 моделей