/ Модель

Характеристики

Контекст
8 192 токена
Параметры
12,5 млрд
Размер весов
26,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Llama-3-13B-Instruct
Библиотека
transformers
Опубликована
12 мая 2024

Llama-3-13B-Instruct-ft

Генерация текстаТекст → текст3 профессии

Экспериментальная диалоговая модель Llama на 12,5 млрд параметров для генерации текста, написания историй и ролевых диалогов.

28скачиваний за 30 дней2лайкавеса обновлены15 мая 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

Llama-3-13B-Instruct-ft — экспериментальная диалоговая языковая модель, созданная автором elinas методом QLoRA дообучения объединённой модели на основе elinas/Llama-3-13B-Instruct. В ней около 12,5 млрд параметров; архитектура — плотная LlamaForCausalLM. Модель принимает текст и генерирует текст, поддерживает диалоговый сценарий и рассчитана на контекст длиной 8192 токена. Автор предполагает, что RoPE может позволить использовать контекст до 32 тысяч токенов, но это не подтверждено оценкой.

Модель создавалась как эксперимент с дальнейшим дообучением passthrough-объединённой модели на небольшом наборе Chat-Error/Pure-dove-sharegpt. По результатам отдельных сравнений автора она лучше Llama-3-8B подходит для написания историй и ролевых диалогов. Автор отмечает, что модель ненадёжно решает математические задачи; формальная оценка модели ещё не опубликована. Лицензия — Llama 3.

Сценарии применения

  • написание художественных историй
  • ведение ролевых диалогов
  • генерация ответов в чате
  • продолжение текста по контексту

Ограничения

Автор сообщает, что модель ненадёжно решает математические задачи. Оценка модели не завершена; предположение о контексте до 32 тысяч токенов не подтверждено.

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

Llama-3-13B-Instruct-ft

This is a QLoRA finetune of a merge of pre-trained language models created using mergekit.

The model is based on my passthrough merge of Llama-3-13B-Instruct

This was primarily an experiment to see how a passthrough merge will respond to further finetuning, though this was done on a small dataset.

The goal was to make a "mid" sized model like Meta has released in the past and the merge method was inspired by mlabonne's Llama-3-120B.

The model was finetuned on 8192 context length and is likely reliable using RoPE up to 32k.

It still cannot do math reliably; neither can Llama-3-8B, and in my tests only Llama-3-70B passes basic arithmetic, but it is a better storywriter/RP than Llama-3-8B from some side by side testing I conducted.

Further finetuning this model or finetuning the base model on more samples is encouraged.

Datasets

A small dataset was used to see how it affects performance. Originally I planned to do a larger dataset (196k samples), but wanted to start with a smaller one first to see how much the model improved with some additional finetuning.

Next steps would be finetuning on a larger dataset if through further testing, performance improvements are noticed.

Finetuning details

This is a QLoRA model and all modules were targeted.

lora_target_modules:
  - gate_proj
  - down_proj
  - up_proj
  - q_proj
  - v_proj
  - k_proj
  - o_proj
lora_modules_to_save:
  - embed_tokens
  - lm_head
The following hyperparameters were used during training:
- learning_rate: 1e-05
- train_batch_size: 1
- eval_batch_size: 1
- seed: 42
- distributed_type: multi-GPU
- num_devices: 3
- total_train_batch_size: 3
- total_eval_batch_size: 3
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: cosine
- lr_scheduler_warmup_steps: 25
- num_epochs: 1

Optimizer paged_adamw_8bit and Deepspeed ZeRO 3 was used at a LR of 1e-5 using the cosine scheduler for 1 epoch on 3x3090s taking 4h 12m 13s total.

Sample packing and padding was disabled to reduce VRAM consumption significantly at the cost of speed.

W&B Run Summary

wandb: Run summary:
wandb:                eval/loss 1.00774
wandb:             eval/runtime 535.3847
wandb:  eval/samples_per_second 0.721
wandb:    eval/steps_per_second 0.241
wandb:               total_flos 4167452590080.0
wandb:              train/epoch 1.0
wandb:        train/global_step 1157
wandb:          train/grad_norm 4.50846
wandb:      train/learning_rate 0.0
wandb:               train/loss 1.4115
wandb:               train_loss 1.00352
wandb:            train_runtime 14921.1227
wandb: train_samples_per_second 0.233
wandb:   train_steps_per_second 0.078

Framework versions

  • PEFT 0.10.0
  • Transformers 4.40.0.dev0
  • Pytorch 2.3.0+cu121
  • Datasets 2.15.0
  • Tokenizers 0.15.0

Model Evaluation

TBD - submitted

If you have any questions or comments on the model, feel free to open a discussion in the community tab.

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
97618bf

0 моделей