/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B-Instruct
Опубликована
22 апр 2024

suzume-llama-3-8B-japanese

Генерация текстаТекст → текст5 профессий

Диалоговая модель Lightblue на базе Llama 3, дообученная для генерации ответов на японском языке.

114скачиваний за 30 дней25лайковвеса обновлены2 июн 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

Suzume 8B Japanese — диалоговая языковая модель компании Lightblue, дообученная на базе Meta-Llama-3-8B-Instruct для общения на японском языке. Модель содержит около 7,5 млрд параметров, использует архитектуру Llama и поддерживает контекст до 8192 токенов.

Модель предназначена для генерации ответов в диалоге на японском языке. Для дообучения использовано более 3000 японских диалогов из нескольких наборов данных. Авторы сообщают о высоких результатах на ряде японских бенчмарков для моделей класса 7–8B, но отмечают, что их мультиязычная модель показала лучший результат на Japanese MT-Bench.

Модель принимает текстовые запросы и выдаёт текстовые ответы. В README указана лицензия метаданных «other»; её конкретные условия следует проверить на странице модели перед использованием.

Сценарии применения

  • ответы на вопросы и ведение диалога на японском языке
  • создание японских текстов по запросу
  • японский чат-ассистент на базе Llama 3

Ограничения

Модель специально дообучена для общения на японском языке; качество на других языках в README не оценивается. В Japanese MT-Bench мультиязычная модель разработчика показала результат выше.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Suzume

[Paper] [Dataset]

This Suzume 8B, a Japanese finetune of Llama 3.

Llama 3 has exhibited excellent performance on many English language benchmarks. However, it also seemingly been finetuned on mostly English data, meaning that it will respond in English, even if prompted in Japanese.

We have fine-tuned Llama 3 on more than 3,000 Japanese conversations meaning that this model has the intelligence of Llama 3 but has the added ability to chat in Japanese.

Please feel free to comment on this model and give us feedback in the Community tab!

We will release a paper in the future describing how we made the training data, the model, and the evaluations we have conducted of it.

How to use

You can use the original trained model with vLLM like so:

from vllm import LLM, SamplingParams

sampling_params = SamplingParams(temperature=0.8, top_p=0.95)

llm = LLM(model="lightblue/suzume-llama-3-8B-japanese")

prompts = [
  "東京のおすすめの観光スポットを教えて下さい",
]

outputs = llm.generate(prompts, sampling_params)

for output in outputs:
    prompt = output.prompt
    generated_text = output.outputs[0].text
    print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")

Evaluation scores

We find that this is the best performing model in the 7/8B class of LLMs on a multitude of Japanese language benchmarks.

We calculate our Japanese evaluation scores using our lightblue-tech/japanese_llm_eval repo.

image/png

We also compare our Japanese model to our multilingual model using our multilingual_mt_bench repo.

lightblue/suzume-llama-3-8B-japaneselightblue/suzume-llama-3-8B-multilingualNexusflow/Starling-LM-7B-betagpt-3.5-turbo
Japanese 🇯🇵6.246.566.227.84

Here, we find that our multilingual model outperforms our Japanese model on the Japanese MT-Bench benchmark, indicating that our multilingual model was able to generalize better to the Japanese MT-Bench benchmark from training on more data, even if that added data was not in Japanese.

Note - the discrepancy between the MT-Bench scores of the first and second evaluation of lightblue/suzume-llama-3-8B-japanese are due to the difference in system message of the two evaluation harnesses. The former's system message is in Japanese while the latter's is in English.

Training data

We train on three sources of data to create this model

Training config

axolotl version: 0.4.0

base_model: meta-llama/Meta-Llama-3-8B-Instruct
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer  # PreTrainedTokenizerFast

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: /workspace/llm_training/axolotl/llama3-ja/openchat_megagon_lbgpt4_ja.json
    ds_type: json # see other options below
    type: sharegpt
    conversation: llama-3
dataset_prepared_path: /workspace/llm_training/axolotl/llama3-ja/prepared_openchat_megagon_lbgpt4_ja
val_set_size: 0.01
output_dir: /workspace/llm_training/axolotl/llama3-ja/output_openchat_megagon_lbgpt4_ja_8B_instruct

sequence_len: 8192
sample_packing: true
pad_to_sequence_len: true
eval_sample_packing: False

use_wandb: true
wandb_project: axolotl
wandb_entity: peterd
wandb_name: openchat_megagon_lbgpt4_ja_8B_instruct

gradient_accumulation_steps: 2
micro_batch_size: 2
num_epochs: 1
optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 1e-5

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

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false
early_stopping_patience:
resume_from_checkpoint:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_steps: 10
evals_per_epoch: 5
eval_table_size:
saves_per_epoch: 1
debug:
deepspeed: /workspace/axolotl/deepspeed_configs/zero2.json
weight_decay: 0.0
special_tokens:
  pad_token: <|end_of_text|>

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: 3
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 12
  • total_eval_batch_size: 6
  • 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
1.3030.0811.2664
1.42310.2331.2409
1.10070.4661.0264
1.06350.6991.0154
1.02210.92120.9555

Framework versions

  • Transformers 4.40.0.dev0
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.0

How to cite

Please cite this paper when referencing this model.

@article{devine2024tagengo,
  title={Tagengo: A Multilingual Chat Dataset},
  author={Devine, Peter},
  journal={arXiv preprint arXiv:2405.12612},
  year={2024}
}

Developer

Peter Devine - (ptrdvn)

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
3306e6b

0 моделей