/ Модель

Характеристики

Контекст
8 192 токена
Параметры
14,5 млрд
Размер весов
30 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Llama-3-15B-Instruct-zeroed
Библиотека
transformers
Опубликована
19 мая 2024

Llama-3-15B-Instruct-ft-v2

Генерация текстаТекст → текст3 профессии

Экспериментальная диалоговая модель Llama на 14,5 млрд параметров для генерации текста, полученная QLoRA-дообучением объединённой модели.

31скачиваний за 30 дней4лайкавеса обновлены31 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

elinas разработал elinas/Llama-3-15B-Instruct-ft-v2 как экспериментальное QLoRA-дообучение объединённой модели, созданной из предварительно обученных языковых моделей с помощью mergekit. Модель основана на «zeroed» passthrough-слиянии elinas/Llama-3-15B-Instruct-zeroed и дообучена на диалоговом наборе Chat-Error/Pure-dove-sharegpt для проверки стабилизации модели после такого слияния.

Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 14,5 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; длина контекста при обучении составляет 8192 токена. В README также упоминается возможность расширения контекста с помощью RoPE до 32 тыс. токенов, но это не подтверждено как проверенная характеристика.

Модель описана как эксперимент проверки подхода, обученный на небольшом наборе данных; оценка качества в карточке не приведена. Лицензия — llama3. Возможности на русском языке отдельно не заявлены.

Сценарии применения

  • генерация диалоговых ответов
  • создание текстового ассистента
  • продолжение текста в формате чата
  • эксперименты с дообучением объединённых языковых моделей

Ограничения

Дообучение выполнено как проверка концепции на небольшом наборе данных, а результаты оценки качества в карточке отсутствуют. Расширение контекста до 32 тыс. токенов указано как возможное, но 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-3-15B-Instruct-zeroed-ft-v2

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

The model is based on a "zeroed" passthrough merge of Llama-3-15B-Instruct-zeroed

This was primarily an experiment to see how a passthrough merge will respond to further finetuning of all LoRA modules.

The model was finetuned on 8192 context length and it can possibly be extended using RoPE up to 32k.

v3 of the model will contain significantly more data, primarily human focused, aimed to excel at writing as well as maintaining logic, coherency, and continuity.

GGUF Quants provided by @gelukuMLG

Datasets

A small, high quality, curated dataset was used as a PoC / validation on stabilizing the model after the original passthrough merge.

Finetuning details

This is a QLoRA model and all of the LoRA modules were targeted this time to ensure sufficient training before moving on to larger datasets. the first version of this model only targeted o_proj and up_proj

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 model is coherent even with training the "zeroed" layers plus the additional layers, as this was the recommendation from Charles Goddard (mergekit developer) - thank you for sharing the method of merging as well as Toasty Pigeon for bringing it to my attention!

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 4 hours total.

Unsloth was used for speed and memory savings.

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

W&B Run Summary

wandb:                eval/loss 0.90895
wandb:             eval/runtime 463.4688
wandb:  eval/samples_per_second 0.833
wandb:    eval/steps_per_second 0.278
wandb:               total_flos 8270790524928.0
wandb:              train/epoch 1.0
wandb:        train/global_step 1157
wandb:          train/grad_norm 7.3847
wandb:      train/learning_rate 0.0
wandb:               train/loss 0.8702
wandb:               train_loss 0.87814
wandb:            train_runtime 16425.2713
wandb: train_samples_per_second 0.211
wandb:   train_steps_per_second 0.07

Framework versions

  • PEFT 0.10.0
  • Transformers 4.40.2
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.1
  • Tokenizers 0.19.1

Model Evaluation

TBD

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
1bfec0e

0 моделей