/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
llama · dense
Базовая модель
suzume-llama-3-8B-multilingual
Опубликована
26 апр 2024

suzume-llama-3-8B-multilingual-orpo-borda-top25

Генерация текстаТекст → текст7 профессий

Многоязычная диалоговая модель Llama с 7,5 млрд параметров, дообученная методом ORPO для генерации ответов.

9 925скачиваний за 30 дней3лайкавеса обновлены30 мая 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3566

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4865

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3684

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6637

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1042

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2727

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Suzume ORPO Borda Top25 — многоязычная диалоговая модель, разработанная Peter Devine и дообученная методом ORPO на базе lightblue/suzume-llama-3-8B-multilingual. Она предназначена для общения и генерации ответов; версия top25 обучена на предпочтительных и менее предпочтительных ответах для 25% наиболее стабильно ранжированных запросов из набора lightblue/mitsu. Модель построена на плотной архитектуре Llama, содержит 7,5 млрд параметров и имеет контекстное окно 8192 токена.

В оценке MT-Bench сравнивались результаты на шести языках; README отмечает улучшения относительно базовой модели на большинстве языков. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Сценарии применения

  • ведение многоязычного диалога
  • генерация ответов на вопросы
  • создание чат-бота общего назначения

Ограничения

Лицензия CC BY-NC 4.0 не допускает коммерческое использование. Результаты в README приведены для оценки MT-Bench на шести языках и не гарантируют качество в иных сценариях.

Для каких профессий подходит7

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 ORPO

[Paper] [Dataset]

This is Suzume ORPO, an ORPO trained fine-tune of the lightblue/suzume-llama-3-8B-multilingual model using our lightblue/mitsu dataset.

We have trained several versions of this model using ORPO and so recommend that you use the best performing model from our tests, lightblue/suzume-llama-3-8B-multilingual-orpo-borda-half.

Note that this model has a non-commerical license as we used the Command R and Command R+ models to generate our training data for this model (lightblue/mitsu).

We are currently working on a developing a commerically usable model, so stay tuned for that!

Model list

We have ORPO trained the following models using different proportions of the lightblue/mitsu dataset:

Model results

We compare the MT-Bench scores across 6 languages for our 4 ORPO trained models, as well as some baselines:

MT-Bench languagemeta-llama/Meta-Llama-3-8B-InstructNexusflow/Starling-LM-7B-betagpt-3.5-turbolightblue/suzume-llama-3-8B-multilinguallightblue/suzume-llama-3-8B-multilingual-orpo-borda-fulllightblue/suzume-llama-3-8B-multilingual-orpo-borda-top75lightblue/suzume-llama-3-8B-multilingual-orpo-borda-halflightblue/suzume-llama-3-8B-multilingual-orpo-borda-top25
Chinese 🇨🇳NaN6.977.557.117.657.777.747.44
English 🇺🇸7.987.928.267.737.987.947.988.22
French 🇫🇷NaN7.297.747.667.847.467.787.81
German 🇩🇪NaN6.997.687.267.287.647.77.71
Japanese 🇯🇵NaN6.227.846.567.27.127.347.04
Russian 🇷🇺NaN8.287.948.198.38.748.948.81

We can see noticable improvement on most languages compared to the base model. We also find that our ORPO models achieve the highest score out of all the models we evaluated for a number of languages.

Training data

We trained this model using the lightblue/mitsu_full_borda dataset.

Training configuration

axolotl version: 0.4.0

base_model: lightblue/suzume-llama-3-8B-multilingual
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer  # PreTrainedTokenizerFast

load_in_8bit: false
load_in_4bit: false
strict: false

rl: orpo
orpo_alpha: 0.1
remove_unused_columns: false

chat_template: chatml
datasets:
  - path: lightblue/mitsu_top25_borda
    type: orpo.chat_template
    conversation: llama-3
dataset_prepared_path: /workspace/llm_training/axolotl/llama3-multilingual-orpo/prepared_mitsu_top25_borda
val_set_size: 0.02
output_dir: /workspace/llm_training/axolotl/llama3-multilingual-orpo/output_mitsu_top25_borda

sequence_len: 8192
sample_packing: false
pad_to_sequence_len: true

use_wandb: true
wandb_project: axolotl
wandb_entity: peterd
wandb_name: mitsu_top25_borda

gradient_accumulation_steps: 8
micro_batch_size: 1
num_epochs: 1
optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 8e-6

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: 20
eval_table_size:
saves_per_epoch: 1
debug:
deepspeed: /workspace/axolotl/deepspeed_configs/zero3_bf16.json
weight_decay: 0.0
special_tokens:
  pad_token: <|end_of_text|>

workspace/llm_training/axolotl/llama3-multilingual-orpo/output_mitsu_top25_borda

This model is a fine-tuned version of lightblue/suzume-llama-3-8B-multilingual on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0818

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: 8e-06
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • total_eval_batch_size: 4
  • 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
7.63280.0517.7812
7.71580.127.2589
7.25880.1534.0580
4.00680.1942.4598
2.44380.2450.6504
0.65860.2960.1129
0.12350.3470.1066
0.12730.3980.1041
0.10760.4490.0987
0.10090.48100.0940
0.11720.53110.0885
0.10160.58120.0867
0.10880.63130.0859
0.0950.68140.0846
0.11010.73150.0839
0.09690.78160.0832
0.08640.82170.0825
0.09180.87180.0821
0.09270.92190.0819
0.09670.97200.0818

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.0

How to cite

@article{devine2024sure,
  title={Are You Sure? Rank Them Again: Repeated Ranking For Better Preference Datasets},
  author={Devine, Peter},
  journal={arXiv preprint arXiv:2405.18952},
  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
5a2f172

0 моделей