/ 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
8 окт 2024

completion4B

Генерация текстаТекст → текст3 профессии

Дообученная компактная модель семейства Llama для генерации текста с контекстом до 131 072 токенов.

15скачиваний за 30 дней0лайковвеса обновлены9 окт 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/completion4B — дообученная текстовая модель на 3,9 млрд параметров, созданная на основе IntervitensInc/Llama-3.1-Minitron-4B-Width-Base-chatml. Модель использует архитектуру LlamaForCausalLM и предназначена для генерации текста. Указанный нативный контекст — 131 072 токена.

Карточка сообщает о дообучении с помощью Axolotl версии 0.4.1 и приводит значение loss 2,9360 на оценочном наборе. Данные обучения и предполагаемые сценарии применения подробно не описаны, поэтому качество и специализацию модели по этим сведениям оценить нельзя. Формат весов — PyTorch/SafeTensors; лицензия обозначена как other, конкретные условия использования в карточке не пояснены.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков и коротких ответов
  • эксперименты с дообученной моделью Llama

Ограничения

Назначение, обучающие данные и подробные результаты оценки не раскрыты; приведён только loss 2,9360 без описания набора и методики. Лицензия указана как other, поэтому условия использования требуют уточнения 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

hub_model_id: jeiku/completion4B
hub_strategy: "all_checkpoints"
push_dataset_to_hub:
hf_use_auth_token: true

datasets:
  - path: Mielikki/Erebus-87k
    type: completion
    field: body

shuffle_merged_datasets: true
val_set_size: 0.0025
output_dir: ./outputs/out

adapter:
lora_r:
lora_alpha:
lora_dropout:
lora_target_linear:

sequence_len: 8192
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: EXP4B
wandb_entity:
wandb_watch:
wandb_name: EXP4B
wandb_log_model:

gradient_accumulation_steps: 12
micro_batch_size: 3
num_epochs: 1
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: 1

debug:
deepspeed: deepspeed_configs/zero3_bf16.json
fsdp:
fsdp_config:

special_tokens:
  pad_token: <|finetune_right_pad_id|>

completion4B

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: 2.9360

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: 3
  • eval_batch_size: 3
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • gradient_accumulation_steps: 12
  • total_train_batch_size: 72
  • total_eval_batch_size: 6
  • optimizer: Use OptimizerNames.ADAMW_BNB with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 34
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
2.52270.002912.9798
2.50270.2520882.9501
2.4810.50391762.9398
2.43130.75592642.9360

Framework versions

  • Transformers 4.46.0.dev0
  • Pytorch 2.4.0+cu121
  • Datasets 2.21.0
  • Tokenizers 0.20.0

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
b3f9889

0 моделей