/ 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
15 мая 2024

Llama-3-15B-Instruct-zeroed-ft

Генерация текстаТекст → текст3 профессии

Экспериментальная QLoRA-версия Llama для диалоговой генерации текста, дообученная на небольшом наборе данных для проверки стабилизации модели после слияния.

46скачиваний за 30 дней2лайкавеса обновлены16 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-3-15B-Instruct-zeroed-ft — экспериментальная QLoRA-модель, созданная автором elinas на основе модели elinas/Llama-3-15B-Instruct-zeroed. Базовая модель представляет собой passthrough-слияние предварительно обученных языковых моделей; для дообучения использовались модули down_proj и o_proj, набор данных Chat-Error/Pure-dove-sharegpt и контекст длиной 8192 токена. Архитектура — плотная LlamaForCausalLM с 14,5 млрд параметров; модель доступна в формате Safetensors и предназначена для генерации текста в диалоговом режиме.

Модель служит экспериментом по стабилизации «обнулённой» модели после слияния и демонстрацией её дальнейшего дообучения на небольшом наборе данных. Автор отмечает связность ответов и хорошее письмо, но оценка качества ещё не опубликована; результаты на других задачах могут быть нестабильными. В README указана возможная надёжная работа с RoPE до 32k токенов, тогда как дообучение проводилось с контекстом 8192 токена. Условия лицензии наследуются от Llama 3 (llama3).

Сценарии применения

  • эксперименты с диалоговой генерацией текста
  • проверка дообучения модели после passthrough-слияния
  • создание связных текстовых ответов в чате

Ограничения

Дообучение проведено на небольшом наборе данных всего за одну эпоху, а оценка модели в карточке не опубликована. Возможная работа с контекстом до 32k токенов обозначена автором как предположение; обучение велось с контекстом 8192 токена.

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

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, though this was done on a small dataset.

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

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

Datasets

A small, high quality, dataset was used as a PoC / validation on stabilizing the model after finetuning.

Finetuning details

This is a QLoRA model and the following modules were targeted.

lora_target_modules:
  - down_proj
  - o_proj

The model is coherent even with training the "zeroed" layers and can write well. In the next experiment, all layers will be finetuned as this was the recommendation from Charles Goddard - 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: 2
- eval_batch_size: 2
- seed: 42
- distributed_type: multi-GPU
- num_devices: 3
- total_train_batch_size: 6
- total_eval_batch_size: 6
- 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 2h 30m 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 0.94497
wandb:             eval/runtime 276.2864
wandb:  eval/samples_per_second 1.397
wandb:    eval/steps_per_second 0.235
wandb:               total_flos 12246605365248.0
wandb:              train/epoch 1.0
wandb:        train/global_step 579
wandb:          train/grad_norm 0.80411
wandb:      train/learning_rate 0.0
wandb:               train/loss 1.085
wandb:               train_loss 0.8834
wandb:            train_runtime 9893.1688
wandb: train_samples_per_second 0.351
wandb:   train_steps_per_second 0.059

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

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
06e2ddf

0 моделей