/ Модель

Характеристики

Контекст
8 192 токена
Размер весов
13,3 ГБ
Лицензия
cc-by-sa-3.0
Архитектура
mpt · dense
Опубликована
21 ноя 2023

mpt-7b-8k-instruct-peft-compatible

Генерация текстаТекст → текст12 профессий

Дообученная 7-миллиардная модель MPT для генерации текста, ответов на вопросы и суммаризации длинных документов с контекстом до 8k токенов.

19скачиваний за 30 дней0лайковвеса обновлены9 дек 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

debisoft/mpt-7b-8k-instruct-peft-compatible — версия MPT-7B-Instruct-8k, подготовленная на основе eluzhnica/mpt-7b-8k-instruct-peft-compatible. Модель разработана MosaicML и дообучена для выполнения инструкций, в частности для ответов на вопросы и суммаризации длинных документов. В обучении использовались Dolly HHRLHF и наборы данных для математики, диалогов, вопросов по документам и других задач.

Это плотный decoder-only трансформер MPTForCausalLM с 6,7 млрд параметров и 32 слоями. Архитектура использует FlashAttention и ALiBi без позиционных эмбеддингов. Модель предназначена для генерации текста; заявлен контекст 8k токенов в названии и описании исходной модели. Для загрузки через Transformers требуется доверенное выполнение пользовательского кода. Лицензия — CC-BY-SA-3.0.

Модель подходит для ответов на вопросы и краткого изложения длинных текстов, однако может выдавать фактически неверные, предвзятые или оскорбительные ответы. README не сообщает о специальной поддержке русского языка; основные обучающие данные описаны как англоязычные.

Сценарии применения

  • ответы на вопросы по длинным документам
  • суммаризация длинных текстов
  • выполнение инструкций на естественном языке
  • решение математических задач в текстовом формате
  • генерация ответов по содержимому документов

Ограничения

Модель может выдавать фактически неверные, предвзятые, непристойные или оскорбительные ответы; фактические сведения следует проверять. Для загрузки через Transformers требуется trust_remote_code=True.

Для каких профессий подходит12

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

MPT-7B-Instruct-8k

Patched based on eluzhnica/mpt-7b-8k-instruct-peft-compatible

MPT-7B-Instruct-8k is a model for long-form instruction following, especially question-answering on and summarization of longer documents. It is built by finetuning MPT-7B-8k on Dolly HHRLHF derived from the Databricks Dolly-15k and the Anthropic Helpful and Harmless (HH-RLHF) datasets. It is also trained on Competition Math, Duorc, CoT GSM8k, Qasper, Quality, Summ Screen FD and Spider. This is the same dataset that MPT-30B-Instruct was trained on.

  • License: CC-By-SA-3.0

This model was trained by MosaicML and follows a modified decoder-only transformer architecture.

Model Date

July 18, 2023

Model License

CC-By-SA-3.0

Documentation

How to Use

This model is best used with the MosaicML llm-foundry repository for training and finetuning.

import transformers
model = transformers.AutoModelForCausalLM.from_pretrained(
  'mosaicml/mpt-7b-instruct-8k',
  trust_remote_code=True
)

Note: This model requires that trust_remote_code=True be passed to the from_pretrained method. This is because we use a custom MPT model architecture that is not yet part of the Hugging Face transformers package. MPT includes options for many training efficiency features such as FlashAttention, ALiBi, QK LayerNorm, and more.

To use the optimized triton implementation of FlashAttention, you can load the model on GPU (cuda:0) with attn_impl='triton' and with bfloat16 precision:

import torch
import transformers

name = 'mosaicml/mpt-7b-instruct-8k'

config = transformers.AutoConfig.from_pretrained(name, trust_remote_code=True)
config.attn_config['attn_impl'] = 'triton'  # change this to use triton-based FlashAttention
config.init_device = 'cuda:0' # For fast initialization directly on GPU!

model = transformers.AutoModelForCausalLM.from_pretrained(
  name,
  config=config,
  torch_dtype=torch.bfloat16, # Load model weights in bfloat16
  trust_remote_code=True
)

The model was trained initially with a sequence length of 2048 with an additional pretraining stage for sequence length adapation up to 8192. However, ALiBi enables users to increase the maximum sequence length even further during finetuning and/or inference. For example:

import transformers

name = 'mosaicml/mpt-7b-instruct-8k'

config = transformers.AutoConfig.from_pretrained(name, trust_remote_code=True)
config.max_seq_len = 16384 # (input + output) tokens can now be up to 16384

model = transformers.AutoModelForCausalLM.from_pretrained(
  name,
  config=config,
  trust_remote_code=True
)

This model was trained with the MPT-7B-chat tokenizer which is based on the EleutherAI/gpt-neox-20b tokenizer and includes additional ChatML tokens.

from transformers import AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained('mosaicml/mpt-7b-8k')

The model can then be used, for example, within a text-generation pipeline.
Note: when running Torch modules in lower precision, it is best practice to use the torch.autocast context manager.

from transformers import pipeline

with torch.autocast('cuda', dtype=torch.bfloat16):
    inputs = tokenizer('Here is a recipe for vegan banana bread:\n', return_tensors="pt").to('cuda')
    outputs = model.generate(**inputs, max_new_tokens=100)
    print(tokenizer.batch_decode(outputs, skip_special_tokens=True))

# or using the HF pipeline
pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, device='cuda:0')
with torch.autocast('cuda', dtype=torch.bfloat16):
    print(
        pipe('Here is a recipe for vegan banana bread:\n',
            max_new_tokens=100,
            do_sample=True,
            use_cache=True))

Model Description

The architecture is a modification of a standard decoder-only transformer.

The model has been modified from a standard transformer in the following ways:

HyperparameterValue
n_parameters6.7B
n_layers32
n_heads32
d_model4096
vocab size50432
sequence length2048

Data Mix

The model was trained on the following data mix:

Data SourceNumber of Tokens in SourceProportion
competition_math1.6 M3.66%
cot_gsm8k3.36 M7.67%
dialogsum0.1 M0.23%
dolly_hhrlhf5.89 M13.43%
duorc7.8 M17.80%
qasper8.72 M19.90%
quality11.29 M25.78%
scrolls/summ_screen_fd4.97 M11.33%
spider0.089 M0.20%

Training Configuration

This model was trained on 8 80GB A100s for about 6.3 hours using the MosaicML Platform. The model was trained with sharded data parallelism using FSDP and used the AdamW optimizer.

Limitations and Biases

The following language is modified from EleutherAI's GPT-NeoX-20B

MPT-7B-Instruct-8k can produce factually incorrect output, and should not be relied on to produce factually accurate information. MPT-7B-Instruct-8k was trained on various public datasets. While great efforts have been taken to clean the pretraining data, it is possible that this model could generate lewd, biased or otherwise offensive outputs.

Acknowledgements

This model was finetuned by the MosaicML NLP team.

Disclaimer

The license on this model does not constitute legal advice. We are not responsible for the actions of third parties who use this model. Please consult an attorney before using this model for commercial purposes.

MosaicML Platform

If you're interested in training and deploying your own MPT or LLMs on the MosaicML Platform, sign up here.

Citation

Please cite this model using the following format:

@online{MosaicML2023Introducing,
    author    = {MosaicML NLP Team},
    title     = {Introducing MPT-30B: Raising the bar
for open-source foundation models},
    year      = {2023},
    url       = {www.mosaicml.com/blog/mpt-30b},
    note      = {Accessed: 2023-06-22},
    urldate   = {2023-06-22}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MPTForCausalLM
Ревизия весов
a43d8a8

0 моделей