/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
68,7 млрд
Размер весов
276 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Опубликована
22 янв 2024

strix-rufipes-70b

Генерация текстаТекст → текст5 профессий

Дообученная на Llama 2 англоязычная модель на 68,7 млрд параметров для логических рассуждений и задач планирования.

77скачиваний за 30 дней3лайкавеса обновлены4 мар 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

strix-rufipes-70b — авторегрессионная языковая модель, разработанная ibivibiv и дообученная на архитектуре Llama 2. Она предназначена для задач логического рассуждения и планирования, включая выполнение инструкций в формате Alpaca. Модель содержит 68,7 млрд параметров, принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Основной язык — английский.

В карточке приведены результаты тестов ARC: Challenge и HellaSwag, а также сводные показатели Open LLM Leaderboard. Модель распространяется в формате Safetensors по лицензии Llama 2. Результаты бенчмарков не гарантируют качество на прикладных сценариях, особенно за пределами логики и планирования.

Сценарии применения

  • составление плана по текстовой инструкции
  • решение задач на логическое рассуждение
  • ответы на вопросы с проверкой здравого смысла
  • генерация ответов в формате Alpaca

Ограничения

Карточка не описывает ограничения подробнее; приведённые результаты бенчмарков сами по себе не подтверждают качество в прикладных сценариях.

Для каких профессий подходит5

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

Strix Rufipes 70B

img

Prompting

Prompt Template for alpaca style

### Instruction:

<prompt> (without the <>)

### Response:

Sample Code

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

torch.set_default_device("cuda")

model = AutoModelForCausalLM.from_pretrained("ibivibiv/strix-rufipes-70b", torch_dtype="auto", device_config='auto')
tokenizer = AutoTokenizer.from_pretrained("ibivibiv/strix-rufipes-70b")

inputs = tokenizer("### Instruction: Create a plan for developing the game of snake in python using pygame.\n### Response:\n", return_tensors="pt", return_attention_mask=False)

outputs = model.generate(**inputs, max_length=200)
text = tokenizer.batch_decode(outputs)[0]
print(text)

Model Details

  • Trained by: ibivibiv
  • Library: HuggingFace Transformers
  • Model type: strix-rufipes-70b is an auto-regressive language model fine tuned on the Llama 2 transformer architecture.
  • Language(s): English
  • Purpose: Has specific training for logic enforcement. This model is targeted towards planning exercises.

Benchmark Scores

Test NameAccuracy
average of all0.6910894247381432
arc:challenge0.674061433447099
hellaswag0.6898028281218881
hendrycksTest-abstract_algebra0.36
hendrycksTest-anatomy0.6370370370370371
hendrycksTest-astronomy0.7960526315789473
hendrycksTest-business_ethics0.73
hendrycksTest-clinical_knowledge0.7169811320754716
hendrycksTest-college_biology0.8125
hendrycksTest-college_chemistry0.47
hendrycksTest-college_computer_science0.56
hendrycksTest-college_mathematics0.36
hendrycksTest-college_medicine0.6820809248554913
hendrycksTest-college_physics0.43137254901960786
hendrycksTest-computer_security0.75
hendrycksTest-conceptual_physics0.6851063829787234
hendrycksTest-econometrics0.4824561403508772
hendrycksTest-electrical_engineering0.5793103448275863
hendrycksTest-elementary_mathematics0.41534391534391535
hendrycksTest-formal_logic0.48412698412698413
hendrycksTest-global_facts0.5
hendrycksTest-high_school_biology0.8064516129032258
hendrycksTest-high_school_chemistry0.5073891625615764
hendrycksTest-high_school_computer_science0.71
hendrycksTest-high_school_european_history0.8424242424242424
hendrycksTest-high_school_geography0.8787878787878788
hendrycksTest-high_school_government_and_politics0.9326424870466321
hendrycksTest-high_school_macroeconomics0.717948717948718
hendrycksTest-high_school_mathematics0.2962962962962963
hendrycksTest-high_school_microeconomics0.7521008403361344
hendrycksTest-high_school_physics0.48344370860927155
hendrycksTest-high_school_psychology0.8788990825688073
hendrycksTest-high_school_statistics0.5277777777777778
hendrycksTest-high_school_us_history0.9019607843137255
hendrycksTest-high_school_world_history0.8776371308016878
hendrycksTest-human_aging0.7802690582959642
hendrycksTest-human_sexuality0.8244274809160306
hendrycksTest-international_law0.8677685950413223
hendrycksTest-jurisprudence0.8148148148148148
hendrycksTest-logical_fallacies0.7914110429447853
hendrycksTest-machine_learning0.5357142857142857
hendrycksTest-management0.8543689320388349
hendrycksTest-marketing0.8974358974358975
hendrycksTest-medical_genetics0.73
hendrycksTest-miscellaneous0.8569604086845466
hendrycksTest-moral_disputes0.7687861271676301
hendrycksTest-moral_scenarios0.5184357541899441
hendrycksTest-nutrition0.7679738562091504
hendrycksTest-philosophy0.7620578778135049
hendrycksTest-prehistory0.8271604938271605
hendrycksTest-professional_accounting0.5390070921985816
hendrycksTest-professional_law0.5743155149934811
hendrycksTest-professional_medicine0.6911764705882353
hendrycksTest-professional_psychology0.7565359477124183
hendrycksTest-public_relations0.7272727272727273
hendrycksTest-security_studies0.8
hendrycksTest-sociology0.8507462686567164
hendrycksTest-us_foreign_policy0.89
hendrycksTest-virology0.5542168674698795
hendrycksTest-world_religions0.8596491228070176
truthfulqa0.4712300987333333
winogrande0.8476716653512234
gsm8k0.5382865807429871

Citations

@misc{open-llm-leaderboard,
  author = {Edward Beeching and Clémentine Fourrier and Nathan Habib and Sheon Han and Nathan Lambert and Nazneen Rajani and Omar Sanseviero and Lewis Tunstall and Thomas Wolf},
  title = {Open LLM Leaderboard},
  year = {2023},
  publisher = {Hugging Face},
  howpublished = "\url{https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard}"
}
@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{clark2018think,
      title={Think you have Solved Question Answering? Try ARC, the AI2 Reasoning Challenge},
      author={Peter Clark and Isaac Cowhey and Oren Etzioni and Tushar Khot and Ashish Sabharwal and Carissa Schoenick and Oyvind Tafjord},
      year={2018},
      eprint={1803.05457},
      archivePrefix={arXiv},
      primaryClass={cs.AI}
}
@misc{zellers2019hellaswag,
      title={HellaSwag: Can a Machine Really Finish Your Sentence?},
      author={Rowan Zellers and Ari Holtzman and Yonatan Bisk and Ali Farhadi and Yejin Choi},
      year={2019},
      eprint={1905.07830},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@misc{hendrycks2021measuring,
      title={Measuring Massive Multitask Language Understanding},
      author={Dan Hendrycks and Collin Burns and Steven Basart and Andy Zou and Mantas Mazeika and Dawn Song and Jacob Steinhardt},
      year={2021},
      eprint={2009.03300},
      archivePrefix={arXiv},
      primaryClass={cs.CY}
}
@misc{lin2022truthfulqa,
      title={TruthfulQA: Measuring How Models Mimic Human Falsehoods},
      author={Stephanie Lin and Jacob Hilton and Owain Evans},
      year={2022},
      eprint={2109.07958},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@misc{DBLP:journals/corr/abs-1907-10641,
      title={{WINOGRANDE:} An Adversarial Winograd Schema Challenge at Scale},
      author={Keisuke Sakaguchi and Ronan Le Bras and Chandra Bhagavatula and Yejin Choi},
      year={2019},
      eprint={1907.10641},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@misc{DBLP:journals/corr/abs-2110-14168,
      title={Training Verifiers to Solve Math Word Problems},
      author={Karl Cobbe and
                  Vineet Kosaraju and
                  Mohammad Bavarian and
                  Mark Chen and
                  Heewoo Jun and
                  Lukasz Kaiser and
                  Matthias Plappert and
                  Jerry Tworek and
                  Jacob Hilton and
                  Reiichiro Nakano and
                  Christopher Hesse and
                  John Schulman},
      year={2021},
      eprint={2110.14168},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.70.61
AI2 Reasoning Challenge (25-Shot)71.33
HellaSwag (10-Shot)87.86
MMLU (5-Shot)69.13
TruthfulQA (0-shot)56.72
Winogrande (5-shot)84.77
GSM8k (5-shot)53.83

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
92adaa6

0 моделей