/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B-Instruct
Библиотека
transformers
Опубликована
15 окт 2024

open-llama-3.2-1B-Instruct

Генерация текстаТекст → текст5 профессий

Компактная дообученная на OpenHermes версия Llama 3.2 1B для диалогов и генерации ответов по инструкциям.

43скачиваний за 30 дней0лайковвеса обновлены22 окт 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

diabolic6045/open-llama-3.2-1B-Instruct — плотная каузальная языковая модель семейства Llama, дообученная автором репозитория на 10% датасета OpenHermes 2.5. Она предназначена для генерации текста и диалогов по инструкциям, а также для поиска сведений, суммаризации и помощи в написании текста. Модель содержит 1,2 млрд параметров, использует Transformers и распространяется в форматах PyTorch и safetensors. Базовая модель поддерживает контекст до 131 072 токенов; в метаданных заявлены чат и интерфейс вызова инструментов.

Модель поддерживает несколько языков благодаря базовой Llama 3.2 Instruct, но основной язык для этой версии не выделен. Лицензия — llama3.2. Небольшой размер удобен для локального запуска, однако по возможностям и качеству модель уступает более крупным системам; дополнительное дообучение на части датасета может влиять на точность и устойчивость ответов.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация текста по инструкциям
  • краткое изложение текста
  • помощь в написании и редактировании текста

Ограничения

Модель компактная и может уступать более крупным языковым моделям в точности, сложных рассуждениях и устойчивости ответов. Она дообучена на 10% OpenHermes 2.5, поэтому результаты зависят от состава и ограничений этого набора данных.

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

open-llama-Instruct

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • total_train_batch_size: 4
  • total_eval_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

GroupsVersionFiltern-shotMetricValueStderr
mmlu2noneacc↑0.3632±0.0040
- humanities2noneacc↑0.3411±0.0068
- other2noneacc↑0.4078±0.0087
- social sciences2noneacc↑0.3997±0.0087
- stem2noneacc↑0.3165±0.0082

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.1.2
  • Datasets 3.0.1
  • Tokenizers 0.20.1

axolotl version: 0.4.1


base_model: meta-llama/Llama-3.2-1B-Instruct

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: diabolic6045/OpenHermes-2.5_alpaca_10
    type: alpaca
dataset_prepared_path: last_run_prepared
val_set_size: 0
output_dir: ./outputs/out
hub_model_id: diabolic6045/open-llama-Instruct
hf_use_auth_token: true

sequence_len: 1024
sample_packing: true
pad_to_sequence_len: true

wandb_project: open-llama
wandb_entity: 
wandb_watch: all
wandb_name: open-llama
wandb_log_model: 

gradient_accumulation_steps: 1
micro_batch_size: 2
num_epochs: 1

optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 2e-5

train_on_inputs: false
group_by_length: false
bf16: auto
fp16:
tf32: false

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false
early_stopping_patience:
resume_from_checkpoint:
logging_steps: 1
xformers_attention:
flash_attention: false

warmup_steps: 10
evals_per_epoch: 2
eval_table_size:
saves_per_epoch: 1
debug:
deepspeed:
weight_decay: 0.0
fsdp:
fsdp_config:
special_tokens:
  pad_token: <|end_of_text|>

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
2e90343

0 моделей