/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,9 млрд
Размер весов
9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.1-Minitron-4B-Width-Base-chatml
Библиотека
transformers
Опубликована
3 сен 2024

Neo-e2

Генерация текстаТекст → текст8 профессий

Компактная диалоговая модель на базе Llama-3.1-Minitron для генерации текста с контекстом до 131 072 токенов.

19скачиваний за 30 дней1лайквеса 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 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

jeiku/Neo-e2 — дообученная диалоговая текстовая модель на архитектуре LlamaForCausalLM, основанная на IntervitensInc/Llama-3.1-Minitron-4B-Width-Base-chatml. Модель содержит 3,9 млрд параметров и рассчитана на генерацию текста в формате диалога; для работы с ней используется библиотека Transformers. В карточке указано контекстное окно 131 072 токена.

Карточка сообщает о дообучении и приводит значение loss 1,5576 на наборе оценки, но не раскрывает датасет, конкретные сценарии обучения или результаты других метрик. Указана лицензия other; её условия следует уточнить в карточке репозитория и у правообладателей базовой модели.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание черновиков и продолжение текста
  • развёртывание компактного чат-бота
  • эксперименты с дообучением языковой модели

Ограничения

В README не описаны обучающий датасет, предназначенные сценарии и ограничения; приведено только значение loss 1,5576 на наборе оценки. Условия лицензии «other» не раскрыты в предоставленных данных.

Для каких профессий подходит8

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

axolotl version: 0.4.1

base_model: IntervitensInc/Llama-3.1-Minitron-4B-Width-Base-chatml
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: PocketDoc/Dans-MemoryCore-CoreCurriculum-Small
    type: sharegpt
    conversation: chatml
  - path: NewEden/Kalo-Opus-Instruct-22k-Refusal-Murdered
    type: sharegpt
    conversation: chatml
  - path: Epiculous/Synthstruct-Gens-v1.1-Filtered-n-Cleaned
    type: sharegpt
    conversation: chatml
  - path: NewEden/Gryphe-Sonnet-3.5-35k-Subset
    type: sharegpt
    conversation: chatml
  - path: NewEden/Claude-Instruct-5k
    type: sharegpt
    conversation: chatml
  - path: Magpie-Align/Magpie-Gemma2-Pro-200K-Filtered
    type: sharegpt
    conversation: chatml


chat_template: chatml

val_set_size: 0.01
output_dir: ./outputs/out

adapter:
lora_r:
lora_alpha:
lora_dropout:
lora_target_linear:

sequence_len: 8192
# sequence_len: 32768
sample_packing: true
eval_sample_packing: false
pad_to_sequence_len: true

plugins:
  - axolotl.integrations.liger.LigerPlugin
liger_rope: true
liger_rms_norm: true
liger_swiglu: true
liger_fused_linear_cross_entropy: true

wandb_project: Neo4B
wandb_entity:
wandb_watch:
wandb_name: Neo4B
wandb_log_model:

gradient_accumulation_steps: 32
micro_batch_size: 2
num_epochs: 2
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 0.00001
weight_decay: 0.05

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

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

warmup_ratio: 0.1
evals_per_epoch: 4
eval_table_size:
eval_max_new_tokens: 128
saves_per_epoch: 2

debug:
deepspeed: deepspeed_configs/zero3.json
fsdp:
fsdp_config:

special_tokens:
  pad_token: <|finetune_right_pad_id|>


outputs/out

This model is a fine-tuned version of IntervitensInc/Llama-3.1-Minitron-4B-Width-Base-chatml on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.5576

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: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • gradient_accumulation_steps: 32
  • total_train_batch_size: 128
  • total_eval_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 27
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.24460.007012.0325
0.89150.2532361.6714
0.82620.5064721.5993
0.77050.75961081.5687
0.75471.00151441.5541
0.69791.25471801.5614
0.68541.50792161.5596
0.68361.76112521.5576

Framework versions

  • Transformers 4.45.0.dev0
  • Pytorch 2.4.0+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c71186c

0 моделей