/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
26,4 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Опубликована
22 мая 2023

vicuna-chinese-replication-v1.1

Генерация текстаТекст → текст3 профессии

Экспериментальная диалоговая модель на основе chinese-llama-plus для генерации ответов на китайском языке, включая задачи на рассуждение, программирование и математику.

199скачиваний за 30 дней4лайкавеса обновлены23 мая 2023

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

keyfan/vicuna-chinese-replication-v1.1 — диалоговая модель генерации текста, созданная как обновление экспериментальной китайской репликации Vicuna. Разработчик сообщает, что в качестве основы использована chinese-llama-plus, а обучение проходило поэтапно: от простых вопросов и ответов к задачам на рассуждение, программирование и математику. Для обучения и использования применяется шаблон диалога Vicuna v1.1; в обучающие данные добавлены примеры пошаговых рассуждений.

Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 12,9 млрд параметров. Она принимает текст и генерирует текст; контекст — 2048 токенов. Карточка приводит результаты сравнительной оценки на китайских наборах, включая задачи на вопросы и ответы, рассуждения, код и перевод, но они не гарантируют качество в практических сценариях. Лицензия указана как other, поэтому конкретные условия следует проверять в репозитории и у правообладателей базовой модели.

Модель предназначена для исследовательских экспериментов с китайской диалоговой генерацией. По заявлению автора, новая версия улучшила решение задач на программирование и рассуждение по сравнению с предыдущим выпуском. Известные ограничения — галлюцинации и слабая работа со специализированными китайскими темами, включая литературу и идиомы; автор также не гарантирует производительность и обозначает модель как предназначенную для исследований.

Сценарии применения

  • ответы на вопросы на китайском языке
  • эксперименты с китайскими диалоговыми ассистентами
  • решение задач на рассуждение на китайском языке
  • генерация и анализ кода в диалоге
  • оценка качества китайской генерации текста

Ограничения

Модель склонна к галлюцинациям и слабо справляется со специализированными китайскими темами, включая литературу и идиомы. Автор не гарантирует качество; лицензия обозначена как other, поэтому условия использования следует проверить отдельно.

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

Introduction

Basiclly an update to the old attempt of vicuna-chinese-replication-beta

  • We adopted an curriculum-learning like approch, starting from simple QAs to reasoning-intensive coding & mathamatical problems. Coincidentally, Ziya adopted the same idea during SFT period.
  • The base model was changed from chinese-llama to chinese-llama-plus. However, as observed by BiLLa, continue training on Chinese-only corpus significantly increases its perplexity on English corpus, which in turns undermines its abilities in fields like mathematical calculation in our preliminary experiment. The subject of continuing-training is under-studied, while using bilingual corpus may be a better alternative as shown so far.
  • We changed to the Vicuna v1.1 conversative template and included more CoT training data.

Again, this is for research purpose only. There's no guarantee for its performance. All credits to the original authors of LLaMA and Chinese-LLaMA.

Compared with previous release, new model improves on coding and reasoning problem. However it still suffers from hallucinations and perform poorly on Chinese domain-specific problem, e.g. chinese literature and idioms.

Usage

We use exactly the Vicuna template for training and inference. Sample code as below.

from transformers import AutoModelForCausalLM, AutoTokenizer

checkpoint = "keyfan/vicuna-chinese-replication-v1.1"

tokenizer = AutoTokenizer.from_pretrained(checkpoint, use_fast=False)
model = AutoModelForCausalLM.from_pretrained(checkpoint).cuda()

template = ("A chat between a curious human and an artificial intelligence assistant. "
            "The assistant gives helpful, detailed, and polite answers to the human's questions. "
            "USER: {}\nASSISTANT:")
question = template.format("Who was the president of the United States in 1955?")
inputs = tokenizer.encode(question, return_tensors="pt").cuda()
outputs = model.generate(inputs, do_sample=True, temperature=0.2, max_new_tokens=512)
print(tokenizer.decode(outputs[0]))

Evaluation

  • Result on the Chinese-LLaMA-Alpaca devset compared with the result of Alpaca-Plus-13B. For simplity, we only sample one answer for each question without any cherry-picking. We used the template as provided in their repo. GPT-4 have strong bias for more detailed answers, so the score may not be consistent with human evaluation.
ModelMacro-AverageQAOQAREASONINGLITERATUREENTERTAINMENTGENERATIONTRANSLATIONCODEETHICS
Alpaca-Plus-13B77.3707470807782896490
ours82.4818788737885838384
  • Result on the newly released C-Eval test set with 5-shot. We slightly modified MOSS's code from ceval codebase by moving the '答案:' (Answer: ) suffix from the end of question to the beginning of the chatbot response.
AverageAvg(Hard)STEMSocial ScienceHumanitiesOthers
37.029.534.644.535.735.9

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
259ab09

0 моделей