/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
171 млрд
Размер весов
345 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
26 дек 2024

llm-jp-3-172b-instruct3

Генерация текстаТекст → текст10 профессий

Японская диалоговая LLM на 171,2 млрд параметров для следования инструкциям и генерации текстовых ответов.

211скачиваний за 30 дней11лайковвеса обновлены20 янв 2025

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

llm-jp-3-172b-instruct3 — диалоговая большая языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии при частичной поддержке GENIAC. Это версия instruct3 семейства llm-jp-3, дообученная на инструкциях и дополнительно согласованная методом Direct Preference Optimization (DPO).

Модель предназначена для генерации ответов в диалоге, следования инструкциям, извлечения и формулирования информации, написания текстов и решения задач на рассуждение. В README приведены оценки на японском MT Bench, включая результаты для письма, естественных наук, извлечения информации и диалога. Это плотная Transformer-модель архитектуры Llama с 171,2 млрд параметров; контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors для Transformers.

Модель в первую очередь ориентирована на японский язык; метаданные также отмечают английский. Разработчики предупреждают, что семейство находится на ранней стадии исследований и разработок и не было полностью настроено для соответствия человеческим намерениям и требованиям безопасности. Лицензия указана как «other», поэтому условия использования следует уточнять в материалах репозитория.

Сценарии применения

  • ответы на вопросы на японском языке
  • диалоговый помощник на японском языке
  • извлечение сведений из текста
  • написание и редактирование текстов
  • генерация объяснений и рассуждений

Ограничения

Разработчики предупреждают, что модель не была полностью настроена для соответствия человеческим намерениям и требованиям безопасности. Контекст ограничен 4096 токенами; условия лицензии «other» нужно уточнять в материалах репозитория.

Для каких профессий подходит10

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

llm-jp-3-172b-instruct3

This repository provides large language models developed by the Research and Development Center for Large Language Models at the National Institute of Informatics.

The development was partially supported by GENIAC.

Model Variants
llm-jp-3-1.8b
llm-jp-3-1.8b-instruct
llm-jp-3-3.7b
llm-jp-3-3.7b-instruct
llm-jp-3-13b
llm-jp-3-13b-instruct
llm-jp-3-172b-beta1
llm-jp-3-172b-beta1-instruct
llm-jp-3-172b-beta2
llm-jp-3-172b-beta2-instruct2
llm-jp-3-172b
llm-jp-3-172b-instruct3

Checkpoints format: Hugging Face Transformers

Required Libraries and Their Versions

  • torch>=2.3.0
  • transformers>=4.40.1
  • tokenizers>=0.19.1
  • accelerate>=0.29.3
  • flash-attn>=2.5.8

Usage

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("llm-jp/llm-jp-3-172b-instruct3")
model = AutoModelForCausalLM.from_pretrained("llm-jp/llm-jp-3-172b-instruct3", device_map="auto", torch_dtype=torch.bfloat16)
chat = [
    {"role": "system", "content": "以下は、タスクを説明する指示です。要求を適切に満たす応答を書きなさい。"},
    {"role": "user", "content": "自然言語処理とは何か"},
]
tokenized_input = tokenizer.apply_chat_template(chat, add_generation_prompt=True, tokenize=True, return_tensors="pt").to(model.device)
with torch.no_grad():
    output = model.generate(
        tokenized_input,
        max_new_tokens=100,
        do_sample=True,
        top_p=0.95,
        temperature=0.7,
        repetition_penalty=1.05,
    )[0]
print(tokenizer.decode(output))

Model Details

  • Model type: Transformer-based Language Model
  • Total seen tokens::
    • llm-jp-3-1.8b: 2.1T
    • llm-jp-3-3.7b: 2.1T
    • llm-jp-3-13b: 2.1T
    • llm-jp-3-172b-beta1: 0.7T
    • llm-jp-3-172b-beta2: 1.4T
    • llm-jp-3-172b: 2.1T
ParamsLayersHidden sizeHeadsContext lengthEmbedding parametersNon-embedding parameters
1.8b242048164096407,498,7521,459,718,144
3.7b283072244096611,248,1283,171,068,928
13b4051204040961,018,746,88012,688,184,320
172b96122889640962,444,992,512169,947,181,056

Tokenizer

The tokenizer of this model is based on huggingface/tokenizers Unigram byte-fallback model. The vocabulary entries were converted from llm-jp-tokenizer v3.0. Please refer to README.md of llm-jp-tokenizer for details on the vocabulary construction procedure (the pure SentencePiece training does not reproduce our vocabulary).

Datasets

Pre-training

The models have been pre-trained using a blend of the following datasets.

LanguageDatasetTokens
JapaneseWikipedia2.6B
Common Crawl762.8B
WARP/PDF237.3B
WARP/HTML2.7B
Kaken1.8B
EnglishWikipedia4.7B
Dolma/CC-head608.5B
Dolma/C4181.6B
Dolma/Reddit83.1B
Dolma/PeS2o62.9B
Dolma/Gutenberg5.5B
Dolma/Wiki3.9B
CodeThe Stack114.1B
ChineseWikipedia0.8B
KoreanWikipedia0.3B

Post-training

We have fine-tuned the pre-trained checkpoint with supervised fine-tuning and further aligned it with Direct Preference Optimization.

Supervised Fine-tuning

The datasets used for supervised fine-tuning are as follows:

LanguageDatasetDescription
Japaneseichikara-instruction-004-002A manually constructed Japanese instruction dataset.
answer-carefully-002A manually constructed instruction dataset focusing on LLMs' safety.
ichikara-instruction-formatA small subset of the ichikara-instruction dataset, edited with some constraints on the output format.
AutoMultiTurnByCalm3-22BA synthetic instruction dataset.
ramdom-to-fixed-multiturn-Calm3A synthetic instruction dataset.
wizardlm8x22b-logical-math-coding-sft-jaA synthetic instruction dataset. We used a sampled subset.
wizardlm8x22b-logical-math-coding-sft_additional-jaA synthetic instruction dataset. We used a sampled subset.
magpie-sft-v1.0A synthetic instruction dataset we created.
EnglishDaring-Anteater-
FLANWe used a sampled subset.
Japanese & EnglishSynthetic-JP-EN-Coding-Dataset-567kA synthetic instruction dataset. We used a sampled subset.

Direct Preference Optimization

We used synthetic preference data to improve both the helpfulness and harmlessness of the LLM. The datasets will be made available soon.

Evaluation

llm-jp-eval (v1.4.1)

We evaluated the models using 100 examples from the dev split. Note that we skipped the CG (Code Generation) task.

Model nameaverageELFAHEMCMRMTNLIQARCSUM
llm-jp-3-172b-beta10.51740.44600.25560.37000.64000.61000.82650.56000.57200.85050.0434
llm-jp-3-172b-beta1-instruct0.57000.43060.22920.43500.84330.62000.82280.68200.58730.89640.1529
llm-jp-3-172b-beta20.54220.33370.27250.47000.77670.69000.82830.59600.61330.83800.0037
llm-jp-3-172b-beta2-instruct20.60220.54700.26650.51000.86000.70000.83920.68000.63460.87700.1076
llm-jp-3-172b0.54310.40770.26620.51500.76330.67000.82270.57400.56860.82890.0148
llm-jp-3-172b-instruct30.61300.51730.27110.57000.87330.73000.84370.72800.60120.88290.1121

Japanese MT Bench

We evaluated the models using gpt-4-0613. Please see the codes for details.

Model nameaveragecodingextractionhumanitiesmathreasoningroleplaystemwriting
llm-jp-3-172b-beta1-instruct5.142.905.308.802.152.456.957.455.15
llm-jp-3-172b-beta2-instruct26.724.106.907.604.006.358.707.958.15
llm-jp-3-172b-instruct37.574.858.559.563.757.68.18.959.2

Risks and Limitations

The models released here are in the early stages of our research and development and have not been tuned to ensure outputs align with human intent and safety considerations.

Send Questions to

llm-jp(at)nii.ac.jp

License

See the LICENSE file.

Model Card Authors

The names are listed in alphabetical order.

Hirokazu Kiyomaru and Takashi Kodama.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
33b7c54

0 моделей