/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
43,5 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
llama-68m
Опубликована
2 мая 2024

llama-68m-fft

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель LLaMA для генерации текста с контекстом до 4096 токенов.

242скачиваний за 30 дней0лайковвеса обновлены2 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 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

lu-vae/llama-68m-fft — дообученная модель семейства LLaMA, созданная на основе JackFram/llama-68m. Она предназначена для генерации текста и может использоваться в экспериментах с компактными авторегрессионными языковыми моделями. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 43,5 млн параметров и принимает текстовый контекст длиной до 4096 токенов.

Модель обучалась с помощью Axolotl версии 0.4.0, однако датасет и целевая специализация не раскрыты. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Качество, языковой охват и конкретные ограничения отдельно не описаны; базовая модель ориентирована на английский язык.

Сценарии применения

  • генерация продолжений текста
  • эксперименты с компактными языковыми моделями
  • прототипирование авторегрессионной генерации

Ограничения

В карточке не описаны датасет, целевые сценарии и результаты оценки, поэтому пригодность для конкретных задач не подтверждена. Базовая модель ориентирована на английский язык.

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

axolotl version: 0.4.0

base_model: JackFram/llama-68m
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: /data/data/final_set_cleaned/train/
    type: sharegpt
    conversation: chatml
  - path: /data/data/map_coig_cqia.jsonl
    type: sharegpt
    conversation: chatml
  - path: /data/data/ruozhiba.jsonl
    type: sharegpt
    conversation: chatml
dataset_prepared_path: last_run_prepared
val_set_size: 0
output_dir: ./out

sequence_len: 4096
sample_packing: true
pad_to_sequence_len: true

wandb_project:
wandb_entity:
wandb_watch:
wandb_name: 
wandb_log_model:

gradient_accumulation_steps: 8
micro_batch_size: 4
num_epochs: 2
optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 2e-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: 100
evals_per_epoch: 0
eval_table_size:
saves_per_epoch: 4
debug:
deepspeed: deepspeed/zero2.json
weight_decay: 0.0
fsdp:
fsdp_config:
default_system_message: "You are a helpful assistant."
special_tokens:
  eos_token: "<|im_end|>"
  pad_token: "<|end_of_text|>"
tokens:
  - "<|im_start|>"
  - "<|im_end|>"

data/llama-68m-20240502-0037

This model is a fine-tuned version of JackFram/llama-68m on the None dataset.

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: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 6
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 192
  • total_eval_batch_size: 24
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 2

Training results

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.0.1+cu118
  • Datasets 2.15.0
  • Tokenizers 0.19.1

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
24303d7

0 моделей