/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
68,7 млрд
Размер весов
138 ГБ
Лицензия
Не указана
Архитектура
llama · dense
Опубликована
14 янв 2024

aurelian-v0.5-70b-rope8-32K-fp16

Генерация текстаТекст → текст6 профессий

Aurelian v0.5 — дообученная на базе Llama 2 70B модель для инструктивных диалогов, творческого письма и ролевых сценариев с поддержкой длинного контекста.

54скачиваний за 30 дней14лайковвеса обновлены16 янв 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

Aurelian v0.5 — экспериментальная инструктивная языковая модель от grimulkan, дообученная на базе Llama 2 70B LongLoRA с FP16 и масштабированием RoPE для длинного контекста. Это промежуточная версия до v1.0, построенная на Llama 2 без базовой настройки на выполнение инструкций; для диалогов использует формат Llama 2 chat и предназначена для instruct-режима.

Модель ориентирована на творческое письмо и ролевые диалоги, в том числе длинные сценарии, а также может выполнять задачи редактирования, суммаризации, извлечения информации и рассуждений. В README заявлена поддержка контекста до 32K токенов при Linear RoPE Scaling = 8. В метаданных указана архитектура LlamaForCausalLM, 68,7 млрд параметров и нативный контекст 4096 токенов.

Обучающая смесь включает человеческие истории, синтетические инструкции и диалоги, задачи на чтение и рассуждение. Модель не цензурирована и может генерировать оскорбительный и сексуальный контент. Лицензия в метаданных указана как неизвестная, поэтому условия распространения и использования следует уточнить у автора.

Сценарии применения

  • генерация художественных историй по подробному промпту
  • ведение ролевого диалога с одним персонажем
  • продолжение длинных сюжетных сценариев
  • редактирование и переписывание документов
  • суммаризация и извлечение сведений из длинных текстов
  • ответы на вопросы и задачи на рассуждение по тексту

Ограничения

Это промежуточная версия до v1.0; для заявленного контекста до 32K требуется Linear RoPE Scaling = 8, хотя метаданные указывают нативный контекст 4096 токенов. Модель не цензурирована и может выдавать оскорбительный или сексуальный контент; лицензия не определена в метаданных.

Для каких профессий подходит6

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

This is an interim update (v0.5) with fixes for the alpha release, but not yet v1.0.

Changes from Alpha:

  • Greatly minimizes "chatGPTisms". No more feeling empowered by the shared bonds of friendship with renewed determination for challenges to come.
  • Increased diversity of NSFW prose.

Examples

Examples are generated with the default Mirostat setting in Oobabooga, with Mirostat tau in the 1.5-2 range. Most are first-time generations, but I had to regenerate some responses a couple of times. These examples are NOT NSFW, and the response text was not modified.

  • Multi-Round Story Writing: Sci-Fi Story
  • Oneshot Story-writing: Crime Story Generating >2K tokens of meaningful content in a single output response (without multi-round) is challenging. This took a few tries. Smoke and mirrors.
  • Multi-Round Story Planning/Brainstorming: Adventure Story Brainstorming
  • Document Q&A and Summarization: Lorebook Q&A (22K tokens)
  • Roleplaying (RP): RP example
  • Interactive World Exploration: Explore a fantasy world Obviously these models don't plan. But it's an interesting way to interact and explore any world, one room/scene at a time. You can come up with whatever rules or genre you want for this type of exploration.

Details (same as alpha)

  • Base model: llama2_70b_longlora_fp16_32k_ROPE8 (no base instruction tuning)
  • Fine-tuned with Llama-2 chat format
  • System prompt: An interaction between a user providing instructions, and an imaginative assistant providing responses.
    • Use the included Aurelian.yaml for Oobabooga (place in the instruction-templates folder).
  • 32K context length, use Linear Rope Scaling = 8 (IMPORTANT: use a factor of 8 even if you are not using the full 32K context length)
  • Intended to be used in instruct mode (rather than notebook mode/completions).
  • This model is not censored, and is capable of producing offensive and NSFW content. Please use this model with caution, and do not use if you are offended by such content.

Tips

  • Treat the first prompt like you normally would the system prompt.
    • System prompt itself does not change.
    • Describe what you want the AI to do in detail, even if you feel it is obvious.
  • Bias the length of the output with your prompt. This is no guarantee though.
    • Egs., Statements like Make this a long response would bias the response longer (easily produces 2000+ tokens per response).
    • Statements like Respond briefly would bias it shorter.
  • Explain clearly if you want the content to be SFW or NSFW in the first prompt as well. However, there are no guarantees that the model won't generate NSFW content.

Available Quantizations

  • bfloat16
  • EXL2 2.4bit fits in 1x24GB using Exllamav2 & 8-bit cache @ 10K context
  • EXL2 4bit fits in 2x24GB (19/24) using Exllamav2 @ 16K context
  • EXL2 6bit fits in 48GB+24GB (36/24 split) or 3x24GB (16/17/20 split) using Exllamav2 @ 32k context
  • All GGUFs

Training Data

85% of the training data was human generated output with synthetic input. 15% was from GPT4.

License

Unsure. It uses some datasets which were generated using GPT-4 outputs, so openAI's terms may apply. I personally have no objection about this model being used for any commercial or non-commercial purpose, but please respect the license agreements of Meta, OpenAI or other parties involved.

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
367d7b8

0 моделей