/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
5,8 млрд
Лицензия
MIT
Архитектура
llama · dense
Опубликована
8 янв 2024

yi6B_Vicuna

Генерация текстаТекст → текст3 профессии

Диалоговая модель на базе Yi-6B, дообученная на данных ShareGPT для генерации ответов и продолжения текста.

65скачиваний за 30 дней1лайквеса обновлены29 апр 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

lorinma/yi6B_Vicuna — диалоговая языковая модель на базе Yi-6B, обученная автором карточки для воспроизведения Vicuna. Для дообучения использовался очищенный, но не отфильтрованный от небезопасных примеров набор ShareGPT_V3_unfiltered_cleaned_split_no_imsorry.json; обучение продолжалось три эпохи. Модель предназначена для генерации ответов в диалоге и других задач продолжения текста. Она содержит 5,8 млрд параметров, построена на архитектуре LlamaForCausalLM и принимает текст с контекстом до 4096 токенов; в метаданных указан английский язык.

Автор сообщает о естественных и информативных ответах и приводит результаты предварительной оценки на Open LLM Leaderboard. При этом карточка предупреждает о проблеме с токенизатором и рекомендует использовать исходный токенизатор Yi. Обучение на неотфильтрованных данных может приводить к небезопасным и неподходящим ответам. Лицензия модели — MIT.

Сценарии применения

  • ответы на сообщения в диалоге
  • генерация ответов на вопросы на английском языке
  • создание информативных текстовых ответов
  • продолжение текста по заданному контексту

Ограничения

В README отмечена проблема с токенизатором; автор рекомендует использовать исходный токенизатор Yi. Обучение на неотфильтрованных данных может приводить к небезопасным и неподходящим ответам.

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

Bug: Having a bit issue with the tokenizer, still figuring out...You can use the original Yi tokenizer configuratin.

Reproduce Vicuna, but based on yi-6B. The training data I used was ShareGPT_V3_unfiltered_cleaned_split_no_imsorry.json.

The training framework I used https://github.com/shibing624/MedicalGPT , train shell:

CUDA_VISIBLE_DEVICES=0,1,2,3,5 torchrun --nproc_per_node 5 ../supervised_finetuning.py \
    --model_type auto \
    --model_name_or_path /data/llm/models/Pretrained/yi-6B/01ai/Yi-6B \
    --tokenizer_name_or_path /data/llm/models/Pretrained/yi-6B/01ai/Yi-6B \
    --train_file_dir ../data/finetune/vicuna/ \
    --per_device_train_batch_size 2\
    --do_train \
    --max_train_samples -1 \
    --num_train_epochs 3 \
    --learning_rate 2e-5 \
    --weight_decay 0. \
    --bf16 \
    --use_peft False \
    --logging_strategy steps \
    --logging_steps 10 \
    --save_strategy epoch \
    --save_total_limit 5 \
    --gradient_accumulation_steps 1 \
    --preprocessing_num_workers 8 \
    --output_dir ../outputs/20240106_yi6B_vicuna \
    --overwrite_output_dir \
    --ddp_timeout 30000 \
    --logging_first_step True \
    --torch_dtype bfloat16 \
    --device_map auto \
    --report_to tensorboard \
    --ddp_find_unused_parameters False \
    --gradient_checkpointing True \
    --cache_dir ./cache \
    --model_max_length 4096 \
    --deepspeed ../deepspeed_zero_stage2_config_no16.json \
    --template_name yi   

The training used 5*A800 for 3 epochs

***** train metrics *****
  epoch                    =                3.0
  train_loss               =             0.3785
  train_runtime            = 1 day, 10:01:13.95
  train_samples            =              93204
  train_samples_per_second =               2.24
  train_steps_per_second   =              0.224

Post-training inference is also using this repository:

CUDA_VISIBLE_DEVICES=4 python gradio_demo.py  --model_type auto --base_model /data/mn/shibing624/MedicalGPT-1.6.3-231215/outputs/20240106_yi6B_vicuna    --tokenizer_path /data/mn/shibing624/MedicalGPT-1.6.3-231215/outputs/20240106_yi6B_vicuna --template_name yi --gpus 4
CUDA_VISIBLE_DEVICES=6 python inference.py --model_type auto --base_model /data/mn/shibing624/MedicalGPT-1.6.3-231215/outputs/20240106_yi6B_vicuna      --template_name yi --gpus 6     --interactive --tokenizer_path /data/llm/models/Pretrained/yi-6B/01ai/Yi-6B

We can see from some preliminary results, the conversation is natural and informative (unsurprisingly).

image/png

Also we observe the unfiltering seems to be working! Heads up some examples are unsafe and inappropriate, this is entirely for research purposes, to test how alignment-filtered SFT data affect LLM's final output.

image/png

image/png

Update: Evaluate on Open LLM Leaderboard:

image/png

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.51.02
AI2 Reasoning Challenge (25-Shot)46.16
HellaSwag (10-Shot)69.30
MMLU (5-Shot)58.43
TruthfulQA (0-shot)48.11
Winogrande (5-shot)65.67
GSM8k (5-shot)18.42

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
dc0317d

0 моделей