/ Модель

Характеристики

Контекст
8 192 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Meta-Llama-3.1-70B-Instruct
Библиотека
transformers
Опубликована
23 авг 2024

Brinebreath-Llama-3.1-70B

Генерация текстаТекст → текст7 профессий

Объединённая диалоговая модель Llama на 69,5 млрд параметров для генерации текста и ответов на вопросы, с заявленными улучшениями в отдельных тестах относительно Llama 3.1 70B.

71скачиваний за 30 дней4лайкавеса обновлены3 сен 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3465

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5533

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,5196

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6881

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2976

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4541

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Brinebreath-Llama-3.1-70B — экспериментальная объединённая диалоговая модель, созданная автором карточки на основе Meta-Llama-3.1-70B-Instruct, Hermes 3, Dracarys и SauerkrautLM. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 69,5 млрд параметров; она предназначена для генерации текста и ответов на запросы в диалоговом формате. В метаданных указан контекст 8192 токена и основной язык карточки — английский.

Автор сообщает о приросте на MMLU-PRO относительно Llama 3.1 70B в тестировании квантованных Q4_0-файлов: 49% против 42% на 100 вопросах. Также приведены результаты на PubmedQA и ручных проверках, но эти оценки ограничены небольшими выборками и не гарантируют аналогичного качества в других сценариях. Модель может подойти для общих диалогов, ответов на вопросы и задач рассуждения; специализированных гарантий для права или медицины нет. Лицензия — Llama 3.1; для использования необходимо учитывать её условия.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация связного текста по запросу
  • решение тестовых вопросов на общие знания
  • черновые ответы на вопросы по научным публикациям
  • сравнительная оценка моделей на бенчмарках

Ограничения

Заявленные результаты бенчмарков получены на небольших выборках и не подтверждают качество в иных задачах. Контекст модели ограничен 8192 токенами.

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

image/png Brinebreath-Llama-3.1-70B

I made this since I started having some problems with Cathallama. This seems to behave well during some days testing.

Notable Performance

  • 7% overall success rate increase on MMLU-PRO over LLaMA 3.1 70b at Q4_0
  • Strong performance in MMLU-PRO categories overall
  • Great performance during manual testing

Creation workflow

Models merged

  • meta-llama/Meta-Llama-3.1-70B-Instruct
  • NousResearch/Hermes-3-Llama-3.1-70B
  • abacusai/Dracarys-Llama-3.1-70B-Instruct
  • VAGOsolutions/Llama-3.1-SauerkrautLM-70b-Instruct
flowchart TD
    A[Hermes 3] -->|Merge with| B[Meta-Llama-3.1]
    C[Dracarys] -->|Merge with| D[Meta-Llama-3.1]
    B -->| | E[Merge]
    D -->| | E[Merge]
    G[SauerkrautLM] -->|Merge with| E[Merge]
    E[Merge] -->| | F[Brinebreath]

image/png

Testing

Hyperparameters

  • Temperature: 0.0 for automated, 0.9 for manual
  • Penalize repeat sequence: 1.05
  • Consider N tokens for penalize: 256
  • Penalize repetition of newlines
  • Top-K sampling: 40
  • Top-P sampling: 0.95
  • Min-P sampling: 0.05

LLaMAcpp Version

  • b3600-1-g2339a0be
  • -fa -ngl -1 -ctk f16 --no-mmap

Tested Files

  • Brinebreath-Llama-3.1-70B.Q4_0.gguf
  • Meta-Llama-3.1-70B-Instruct.Q4_0.gguf

Manual testing

CategoryTest CaseBrinebreath-Llama-3.1-70B.Q4_0.ggufMeta-Llama-3.1-70B-Instruct.Q4_0.gguf
Common SenseBall on cupOKOK
Big duck small horseOKOK
KillersOKOK
Strawberry r'sKOKO
9.11 or 9.9 biggerKOKO
Dragon or lensKOKO
ShirtsOKKO
SistersOKKO
Jane fasterOKOK
ProgrammingJSONOKOK
Python snake gameOKKO
MathDoor window combinationOKKO
SmokePoemOKOK
StoryOKOK

Note: See sample_generations.txt on the main folder of the repo for the raw generations.

MMLU-PRO

ModelSuccess %
Brinebreath-3.1-70B.Q4_0.gguf49.0%
Meta-Llama-3.1-70B-Instruct.Q4_0.gguf42.0%
MMLU-PRO categoryBrinebreath-3.1-70B.Q4_0.ggufMeta-Llama-3.1-70B-Instruct.Q4_0.gguf
Business45.0%40.0%
Law40.0%35.0%
Psychology85.0%80.0%
Biology80.0%75.0%
Chemistry50.0%45.0%
History65.0%60.0%
Other55.0%50.0%
Health70.0%65.0%
Economics80.0%75.0%
Math35.0%30.0%
Physics45.0%40.0%
Computer Science60.0%55.0%
Philosophy50.0%45.0%
Engineering45.0%40.0%

Note: MMLU-PRO Overall tested with 100 questions. Categories testes with 20 questions from each category.

PubmedQA

Model NameSuccess%
Brinebreath-3.1-70B.Q4_0.gguf71.00%
Meta-Llama-3.1-70B-Instruct.Q4_0.gguf68.00%

Note: PubmedQA tested with 100 questions.

Request

If you are hiring in the EU or can sponsor a visa, PM me :D

PS. Thank you mradermacher for the GGUFs!

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.36.29
IFEval (0-Shot)55.33
BBH (3-Shot)55.46
MATH Lvl 5 (4-Shot)29.98
GPQA (0-shot)12.86
MuSR (0-shot)17.49
MMLU-PRO (5-shot)46.62

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
d3beaf3

0 моделей