/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
artistic-2.0
Архитектура
mistral · dense
Базовая модель
zephyr-lora-dpo-b1
Опубликована
21 ноя 2023

juanako-7b-v1

Генерация текстаТекст → текст7 профессий

Диалоговая модель Mistral на 7,1 млрд параметров, дообученная методом DPO для генерации ответов и следования инструкциям.

24скачиваний за 30 дней5лайковвеса обновлены28 ноя 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

Juanako-7B-v1 — диалоговая языковая модель, разработанная fblgit на архитектуре Mistral и содержащая 7,1 млрд параметров. Это дообученная версия fblgit/zephyr-lora-dpo-b1: автор провёл дополнительный этап DPO с методом Uniform Neural Alignment (UNA) на наборе HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации ответов в диалоге и следования инструкциям; контекст — до 32 768 токенов.

В карточке приведены результаты ряда тестов на рассуждение, общие знания и понимание текста. Автор предупреждает, что более поздние версии Juanako показывают лучшие результаты. Модель распространяется под лицензией Artistic-2.0. Автор помечает применение как исследовательское; представленные оценки не гарантируют качество в конкретных задачах.

Сценарии применения

  • ответы на вопросы в диалоговом интерфейсе
  • генерация ответов на пользовательские инструкции
  • создание прототипа чат-бота
  • оценка языковой модели на тестах общих знаний и рассуждений

Ограничения

Автор рекомендует использовать более позднюю версию Juanako, заявляя о её превосходстве над v1. Приведённые тестовые результаты не гарантируют качество в практических сценариях.

Для каких профессий подходит7

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

juanako-7b-v1 (UNA: Uniform Neural Alignment)

This model uses uniform neural alignment (UNA) for the DPO training phases and is a fine-tuned version of fblgit/zephyr-lora-dpo-b1 on the HuggingFaceH4/ultrafeedback_binarized dataset.

It is recommended to use the latest Juanako Version which highly outperforms the v1

It achieves the following results on the evaluation set:

  • Loss: 0.4594
  • Rewards/chosen: -1.1095
  • Rewards/rejected: -2.3132
  • Rewards/accuracies: 0.7964
  • Rewards/margins: 1.2037
  • Logps/rejected: -220.0052
  • Logps/chosen: -217.5506
  • Logits/rejected: -2.5535
  • Logits/chosen: -2.7973

Followed alignment-handbook to perform DPO (Phase 2) over Zephyr-SFT model.

Please feel free to run more tests and commit the results. Also if you are interested to participate in UNA's paper research or GPU sponsorship to support UNA research, feel free to contact.

Special thanks to TheBloke for converting the model into multiple formats and overall his enormous contribution to the community. Here are the models:

Prompt and Inference Usage

# Install transformers from source - only needed for versions <= v4.34
# pip install git+https://github.com/huggingface/transformers.git
# pip install accelerate

import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="fblgit/juanako-7b-v1", torch_dtype=torch.float16, device_map="auto")

# We use the tokenizer's chat template to format each message - see https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {
        "role": "system",
        "content": "You are a friendly chatbot who always responds in the style of a pirate",
    },
    {"role": "user", "content": "How many helicopters can a human eat in one sitting?"},
]
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipe(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])
# <|system|>
# You are a friendly chatbot who always responds in the style of a pirate.</s>
# <|user|>
# How many helicopters can a human eat in one sitting?</s>
# <|assistant|>
# Ah, me hearty matey! But yer question be a puzzler! A human cannot eat a helicopter in one sitting, as helicopters are not edible. They be made of metal, plastic, and other materials, not food!

Model description

It seems to outperforms the original Zephyr in most of the tasks.

I trained Juanako with the same datasets and trainer from alignment-handbook/zephyr-7b-sft-lora

Some other experiments were performed as well to test transformers-UNA capabilities on diverse scenarios and models.

This is a complete version of the model, the result of converting LoRa's

Intended uses & limitations

Research purposes.

Training and evaluation data

alignment-handbook DPO with UNA on top of the SFT lora.

Evaluation lm-evaluation-harness

GSM8K 5-Shot

hf (pretrained=fblgit/juanako-7b-v1,load_in_4bit=False,dtype=float16), limit: None, num_fewshot: 5, batch_size: 4
TasksVersionFilterMetricValueStderr
gsm8kYamlget-answerexact_match0.4761±0.0138

0-Shot Tests

hf (pretrained=fblgit/juanako-7b-v1,load_in_4bit=False,dtype=float16), limit: None, num_fewshot: 0, batch_size: 8
TasksVersionFilterMetricValueStderr
arc_challengeYamlnoneacc0.5691±0.0145
noneacc_norm0.6041±0.0143
arc_easyYamlnoneacc0.8363±0.0076
noneacc_norm0.8161±0.0079
hellaswagYamlnoneacc0.6554±0.0047
noneacc_norm0.8411±0.0036
boolqYamlnoneacc0.8355±0.0065
lambadaN/Anoneperplexity3.3607±0.1398
noneacc0.7309±0.0137
piqaYamlnoneacc0.8194±0.0090
noneacc_norm0.8335±0.0087
sciqYamlnoneacc0.9480±0.0070
noneacc_norm0.8960±0.0097
truthfulqaN/Anonebleu_max26.0803±0.6528
- truthfulqa_mc1Yamlnoneacc0.4198±0.0173
- truthfulqa_mc2Yamlnoneacc0.5847±0.0153
winograndeYamlnoneacc0.7609±0.0120
hf (pretrained=fblgit/juanako-7b-v1,load_in_4bit=False,dtype=float16), limit: None, num_fewshot: 25, batch_size: 1
TasksVersionFilterMetricValueStderr
arc_challengeYamlnoneacc0.6058±0.0143
noneacc_norm0.6485±0.0140

HellaSwag 10-Shot

hf (pretrained=fblgit/juanako-7b-v1,load_in_4bit=False,dtype=float16), limit: None, num_fewshot: 10, batch_size: 16
TasksVersionFilterMetricValueStderr
hellaswagYamlnoneacc0.6582±0.0047
noneacc_norm0.8513±0.0036

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 12
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 192
  • total_eval_batch_size: 12
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.01
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossRewards/chosenRewards/rejectedRewards/accuraciesRewards/marginsLogps/rejectedLogps/chosenLogits/rejectedLogits/chosen
0.49660.15500.4893-1.1759-2.29140.74851.1155-219.7872-218.2148-2.5450-2.7884
0.45220.311000.4808-0.8099-1.88930.77841.0794-215.7659-214.5544-2.5644-2.8095
0.50480.461500.4706-1.0526-2.14120.77251.0887-218.2852-216.9814-2.5638-2.8089
0.48530.622000.4640-1.0787-2.28210.77251.2034-219.6941-217.2426-2.5460-2.7891
0.46390.772500.4636-1.2348-2.45830.80841.2235-221.4559-218.8034-2.5533-2.7970
0.46340.933000.4601-1.1370-2.32430.79641.1873-220.1163-217.8257-2.5540-2.7977
-1.003000.4594-1.1095-2.31320.79641.2037-220.0052-217.5506-2.5535-2.7973

Framework versions

  • Transformers 4.35.0-UNA
  • Pytorch 2.1.0
  • Datasets 2.14.6
  • Tokenizers 0.14.1

MMLU Results

5-Shot

hf (pretrained=fblgit/juanako-7b-v1,load_in_4bit=False,dtype=float16), limit: None, num_fewshot: 5, batch_size: 1
TasksVersionFilterMetricValueStderr
mmluN/Anoneacc0.6236±0.1269
- humanitiesN/Anoneacc0.5651±0.1289
- formal_logicYamlnoneacc0.4365±0.0444
- high_school_european_historyYamlnoneacc0.7636±0.0332
- high_school_us_historyYamlnoneacc0.8039±0.0279
- high_school_world_historyYamlnoneacc0.7848±0.0268
- international_lawYamlnoneacc0.7686±0.0385
- jurisprudenceYamlnoneacc0.7778±0.0402
- logical_fallaciesYamlnoneacc0.7853±0.0323
- moral_disputesYamlnoneacc0.7168±0.0243
- moral_scenariosYamlnoneacc0.3207±0.0156
- philosophyYamlnoneacc0.7042±0.0259
- prehistoryYamlnoneacc0.7593±0.0238
- professional_lawYamlnoneacc0.4433±0.0127
- world_religionsYamlnoneacc0.8363±0.0284
- otherN/Anoneacc0.6987±0.1048
- business_ethicsYamlnoneacc0.5800±0.0496
- clinical_knowledgeYamlnoneacc0.7019±0.0282
- college_medicineYamlnoneacc0.6474±0.0364
- global_factsYamlnoneacc0.3900±0.0490
- human_agingYamlnoneacc0.6502±0.0320
- managementYamlnoneacc0.7864±0.0406
- marketingYamlnoneacc0.8590±0.0228
- medical_geneticsYamlnoneacc0.7400±0.0441
- miscellaneousYamlnoneacc0.8148±0.0139
- nutritionYamlnoneacc0.7418±0.0251
- professional_accountingYamlnoneacc0.4929±0.0298
- professional_medicineYamlnoneacc0.6618±0.0287
- virologyYamlnoneacc0.5482±0.0387
- social_sciencesN/Anoneacc0.7361±0.0640
- econometricsYamlnoneacc0.5000±0.0470
- high_school_geographyYamlnoneacc0.7727±0.0299
- high_school_government_and_politicsYamlnoneacc0.8808±0.0234
- high_school_macroeconomicsYamlnoneacc0.6667±0.0239
- high_school_microeconomicsYamlnoneacc0.6597±0.0308
- high_school_psychologyYamlnoneacc0.8202±0.0165
- human_sexualityYamlnoneacc0.7939±0.0355
- professional_psychologyYamlnoneacc0.6716±0.0190
- public_relationsYamlnoneacc0.6636±0.0453
- security_studiesYamlnoneacc0.7551±0.0275
- sociologyYamlnoneacc0.8209±0.0271
- us_foreign_policyYamlnoneacc0.8300±0.0378
- stemN/Anoneacc0.5268±0.1263
- abstract_algebraYamlnoneacc0.3200±0.0469
- anatomyYamlnoneacc0.6296±0.0417
- astronomyYamlnoneacc0.6645±0.0384
- college_biologyYamlnoneacc0.7431±0.0365
- college_chemistryYamlnoneacc0.4800±0.0502
- college_computer_scienceYamlnoneacc0.5200±0.0502
- college_mathematicsYamlnoneacc0.4200±0.0496
- college_physicsYamlnoneacc0.4510±0.0495
- computer_securityYamlnoneacc0.7800±0.0416
- conceptual_physicsYamlnoneacc0.5489±0.0325
- electrical_engineeringYamlnoneacc0.5655±0.0413
- elementary_mathematicsYamlnoneacc0.3915±0.0251
- high_school_biologyYamlnoneacc0.7548±0.0245
- high_school_chemistryYamlnoneacc0.5222±0.0351
- high_school_computer_scienceYamlnoneacc0.6900±0.0465
- high_school_mathematicsYamlnoneacc0.3222±0.0285
- high_school_physicsYamlnoneacc0.3444±0.0388
- high_school_statisticsYamlnoneacc0.5139±0.0341
- machine_learningYamlnoneacc0.4643±0.0473
GroupsVersionFilterMetricValueStderr
mmluN/Anoneacc0.6236±0.1269
- humanitiesN/Anoneacc0.5651±0.1289
- otherN/Anoneacc0.6987±0.1048
- social_sciencesN/Anoneacc0.7361±0.0640
- stemN/Anoneacc0.5268±0.1263

Citations

Please feel free to raise a PR if there is any missing citation.

@misc{tunstall2023zephyr, title={Zephyr: Direct Distillation of LM Alignment}, author={Lewis Tunstall and Edward Beeching and Nathan Lambert and Nazneen Rajani and Kashif Rasul and Younes Belkada and Shengyi Huang and Leandro von Werra and Clémentine Fourrier and Nathan Habib and Nathan Sarrazin and Omar Sanseviero and Alexander M. Rush and Thomas Wolf}, year={2023}, eprint={2310.16944}, archivePrefix={arXiv}, primaryClass={cs.LG} } @software{eval-harness, author = {Gao, Leo and Tow, Jonathan and Biderman, Stella and Black, Sid and DiPofi, Anthony and Foster, Charles and Golding, Laurence and Hsu, Jeffrey and McDonell, Kyle and Muennighoff, Niklas and Phang, Jason and Reynolds, Laria and Tang, Eric and Thite, Anish and Wang, Ben and Wang, Kevin and Zou, Andy}, title = {A framework for few-shot language model evaluation}, month = sep, year = 2021, publisher = {Zenodo}, version = {v0.0.1}, doi = {10.5281/zenodo.5371628}, url = {https://doi.org/10.5281/zenodo.5371628} } @misc{rafailov2023direct, title={Direct Preference Optimization: Your Language Model is Secretly a Reward Model}, author={Rafael Rafailov and Archit Sharma and Eric Mitchell and Stefano Ermon and Christopher D. Manning and Chelsea Finn}, year={2023}, eprint={2305.18290}, archivePrefix={arXiv}, }

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
3f46fb4

0 моделей