/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
TinyLlama-1.1B-Chat-v1.0
Опубликована
28 мар 2024

orcamath-tinyllama-1.1B-v1-chat

Генерация текстаТекст → текст

Компактная дообученная чат-модель TinyLlama для генерации текста и, предположительно, ответов на математические вопросы.

16скачиваний за 30 дней0лайковвеса обновлены28 мар 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

OrcaMathTinyllama3 — дообученная чат-модель LegionLM на архитектуре Llama с примерно 1 млрд параметров. Она основана на TinyLlama/TinyLlama-1.1B-Chat-v1.0 и предназначена для генерации текста и диалоговых ответов; название указывает на математическую специализацию, однако README не описывает её задачи и результаты подробно.

Модель принимает текст и выдаёт текст. Контекст составляет 2048 токенов; доступны веса PyTorch. Лицензия — Apache-2.0. README сообщает о значении loss 0,2366 на оценочном наборе, но не приводит его состав или методику измерения.

Сценарии применения

  • генерация текста в диалоге
  • ответы на математические вопросы
  • решение простых математических задач

Ограничения

README не раскрывает обучающие данные и подробно не описывает назначение или результаты; указан только loss 0,2366 без контекста оценки. Контекст ограничен 2048 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

axolotl version: 0.4.0

base_model: TinyLlama/TinyLlama-1.1B-Chat-v1.0

model_type: LlamaForCausalLM
tokenizer_type: LlamaTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

max_steps: 0

datasets:
  - path: /home/renfroe/Dev/datasets/orcamath/orcamath-input-output.json
    type:
      system_prompt: ""
      field_system: system
      field_instruction: input
      field_output: output
      format: "<|user|>\n{instruction}</s>\n<|assistant|>\n"
      no_input_format: "<|user|>\n{instruction}</s>\n<|assistant|>\n"


dataset_prepared_path:
val_set_size: 0.05
output_dir: ./OrcaMathTinyllama3

sequence_len: 2048
sample_packing: true

wandb_project: axolotl_tinyllama_orcamath
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 1
micro_batch_size: 10
num_epochs: 1
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 0.0001

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

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

warmup_steps: 10
evals_per_epoch:
eval_table_size:
saves_per_epoch: 10
debug:
deepspeed:
weight_decay: 0.0001
fsdp:
fsdp_config:
special_tokens:

OrcaMathTinyllama3

This model is a fine-tuned version of TinyLlama/TinyLlama-1.1B-Chat-v1.0 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2366

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: 0.0001
  • train_batch_size: 10
  • eval_batch_size: 10
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.24641.037730.2366

Framework versions

  • Transformers 4.40.0.dev0
  • Pytorch 2.0.1+cu117
  • Datasets 2.18.0
  • Tokenizers 0.15.0

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
7b174a1

0 моделей