/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Размер весов
6,8 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Базовая модель
tinyllama-moe-nord-completion-6B
Опубликована
3 мая 2024

tinyllama-moe-nord-chat

Генерация текстаТекст → текст

Дообученная чат-модель Mixtral MoE с 1 млрд параметров для диалоговой генерации текста.

23скачиваний за 30 дней0лайковвеса обновлены3 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

four-two-labs/tinyllama-moe-nord-chat — чат-модель на архитектуре Mixtral с механизмом смеси экспертов (MoE), разработанная four-two-labs. Это дообученная версия four-two-labs/tinyllama-moe-nord-completion-6B для генерации диалоговых ответов. Модель содержит 1 млрд параметров, принимает текст и выдаёт текст; максимальный контекст — 2048 токенов.

Модель предназначена для чат-взаимодействия и генерации текста. В карточке указано, что обучение выполнено с Axolotl 0.4.0; обучающий датасет не определён. Качество, языковая специализация и дополнительные ограничения не описаны. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в чат-боте
  • ведение текстового диалога
  • создание черновиков ответов на сообщения

Ограничения

Карточка не описывает качество модели и её языковую специализацию; обучающий датасет указан как None. Контекст ограничен 2048 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

axolotl version: 0.4.0

base_model: four-two-labs/tinyllama-moe-nord-completion-6B

model_type: AutoModelForCausalLM
tokenizer_type: LlamaTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

rl: orpo
orpo_alpha: 0.1
remove_unused_columns: false

chat_template: chatml
datasets:
  - path: four-two-labs/nord-dpo-mix-181k-axolotl
    type: chat_template.argilla
    split: train

output_dir: ./runs/model/tinyllama-moe-orpo
dataset_prepared_path: ./runs/data/tinyllama-dpo-data

val_set_size: 0.01

sequence_len: 2048
sample_packing: false
pad_to_sequence_len: false

wandb_project: axolotl
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 1
micro_batch_size: 2
num_epochs: 3
optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 3e-5

train_on_inputs: false
group_by_length: false
bf16: true
fp16:
tf32: true

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

loss_watchdog_threshold: 5.0
loss_watchdog_patience: 3

warmup_steps: 10
evals_per_epoch: 4
eval_table_size:
eval_max_new_tokens: 128
saves_per_epoch: 1
debug:
deepspeed:
weight_decay: 0.0
fsdp:
fsdp_config:
special_tokens:

runs/model/tinyllama-moe-orpo

This model is a fine-tuned version of four-two-labs/tinyllama-moe-nord-completion-6B on the None dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 10
  • total_train_batch_size: 20
  • total_eval_batch_size: 80
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • training_steps: 27511

Training results

Framework versions

  • Transformers 4.40.0.dev0
  • Pytorch 2.1.2+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
7fda2b6

0 моделей