/ 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
1 сен 2024

PocketDoc_Instruct_Experiment_4B

Генерация текстаТекст → текст3 профессии

Дообученная диалоговая модель Llama на 3,9 млрд параметров для генерации текста с контекстом до 131 072 токена.

19скачиваний за 30 дней0лайковвеса обновлены1 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

PocketDoc_Instruct_Experiment_4B — диалоговая текстовая модель на архитектуре Llama, созданная дообучением IntervitensInc/Llama-3.1-Minitron-4B-Width-Base-chatml. Модель содержит 3,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В репозитории указаны Transformers и формат safetensors.

Модель предназначена для генерации текста и диалогового взаимодействия. README сообщает о дообучении и приводит значение loss 1,4511 на оценочном наборе, но не описывает набор данных, конкретные сценарии, языки или результаты по отдельным задачам. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и базовой моделью.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • черновики и продолжение текста
  • ответы на текстовые запросы
  • эксперименты с компактной моделью Llama

Ограничения

README не раскрывает обучающие данные, языковое покрытие и проверенные сценарии применения; приведённый loss сам по себе не характеризует качество ответов. Лицензия обозначена как other, поэтому условия использования нужно уточнить по карточке модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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

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: doc
wandb_entity:
wandb_watch:
wandb_name: doc
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: 1.4511

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: 2
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.43930.137311.7502
1.45040.274721.6559
1.26910.549441.5173
1.25180.824061.5482
1.22121.077381.4726
1.15381.3519101.4670
1.13721.6266121.4556
1.1341.9013141.4511

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
0e9288f

0 моделей