/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,9 млрд
Размер весов
9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
completion4B
Библиотека
transformers
Опубликована
9 окт 2024

instructered4B

Генерация текстаТекст → текст4 профессии

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

18скачиваний 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/instructered4B — дообученная автором jeiku компактная плотная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 3,9 млрд параметров. Она предназначена для генерации текста; модель обучена на базе jeiku/completion4B с помощью Axolotl 0.4.1. В метаданных указан контекст до 131 072 токенов и форматы PyTorch и Safetensors.

Карточка сообщает значение loss 1,3713 на оценочном наборе, но не описывает набор данных, методику оценки или конкретные сценарии применения. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков и ответов на текстовые запросы
  • локальный запуск генеративной языковой модели

Ограничения

В карточке не описаны обучающие данные, языковое покрытие и подробные результаты оценки; приведено только значение loss 1,3713. Лицензия обозначена как other, поэтому условия использования требуют проверки.

Для каких профессий подходит4

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: jeiku/completion4B
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

hub_model_id: jeiku/instructered4B
hub_strategy: "all_checkpoints"
push_dataset_to_hub:
hf_use_auth_token: true

datasets:
  - path: FourOhFour/Instruct_Phase
    type: sharegpt
    conversation: chatml

chat_template: chatml

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: 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_bf16.json
fsdp:
fsdp_config:

special_tokens:
  pad_token: <|finetune_right_pad_id|>

instructered4B

This model is a fine-tuned version of jeiku/completion4B on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.3713

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: 68
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.3360.002911.7114
0.96310.2516861.4098
0.93470.50321721.3828
0.91420.75482581.3693
0.79671.00373441.3659
0.79121.25514301.3728
0.79571.50655161.3730
0.79511.75796021.3713

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
8a09702

0 моделей