/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-1.7B-Instruct
Опубликована
2 дек 2024

SmolLM2-MedIT-Upscale-2B

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель на 2 млрд параметров для диалогов и генерации текста, созданная расширением self-attention SmolLM2-1.7B-Instruct.

31скачиваний за 30 дней5лайковвеса обновлены3 дек 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.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0559

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1971

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2643

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3314

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3551

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6429

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SmolLM2-MedIT-Upscale-2B — экспериментальная англоязычная диалоговая модель meditsolutions на основе HuggingFaceTB/SmolLM2-1.7B-Instruct. Веса расширены с 1,7 до 2 млрд параметров: число голов в слоях q_proj, k_proj, v_proj и o_proj удвоено. Модель использует плотную архитектуру LlamaForCausalLM и принимает текст, генерируя текст; контекстное окно составляет 8192 токена.

Модель предназначена для изучения влияния расширенных слоёв self-attention на качество и способность модели учитывать контекст, а также для диалогов и генерации текста по инструкциям. Она прошла 8 800 шагов дообучения по инструкциям и 1 600 шагов DPO, однако авторы отмечают, что обучение предварительное и модель не доведена до полного потенциала. Выпущена под лицензией Apache-2.0.

Сценарии применения

  • диалоги с англоязычным чат-ботом
  • генерация текста по инструкциям
  • изучение влияния расширенных слоёв внимания на качество ответов
  • эксперименты с учётом контекста в компактных языковых моделях

Ограничения

Авторы указывают, что обучение было предварительным и модель не доведена до полного потенциала; приведённые в README результаты оценки ограничены указанными бенчмарками.

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

SmolLM2-MedIT-Upscale-2B

Model Summary

SmolLM2-MedIT-Upscale-2B is an expanded version of the SmolLM2-1.7B-Instruct model, increasing its parameter count to 2 billion. This expansion was achieved by doubling the number of heads in the q_proj, k_proj, v_proj, and o_proj layers, resulting in vectors of length 4096, compared to 2048 in the original model.

Purpose of Expansion

This model was developed to test the hypothesis that self-attention layers do not extend the "memory" of the model. By broadening the attention layers, we aim to observe the impact on the model's performance and memory capabilities.

Training Status

This model underwent instruction fine-tuning for 8,800 steps using a batch size of 4, gradient accumulation for 32 steps, a maximum sequence length of 1,280, and a learning rate of 1e-5. Additionally, it was fine-tuned with 1,600 steps of DPO under the same configuration.

Note: The model has undergone preliminary training focused on assessing the effects of the expanded attention layers. It is not fully trained to its maximum potential. We encourage the community to contribute to its further training; pull requests are welcome.

Analysis of Expanded Layers

During fine-tuning, we analyzed the changes in the new parameters of the expanded layers:

  • Minimum percentage of new parameters that changed:

    • q_proj: 62.17%
    • k_proj: 37.85%
    • v_proj: 99.99%
    • o_proj: 99.98%
  • Maximum percentage of new parameters that changed:

    • q_proj: 98.86%
    • k_proj: 97.99%
    • v_proj: 99.99%
    • o_proj: 99.99%
  • Average change in new parameters after fine-tuning:

    • q_proj: 1.838e-07
    • k_proj: 2.277e-07
    • v_proj: 6.490e-07
    • o_proj: 3.924e-07

These results are illustrated in the following charts:

Percentage of Change Average Parameter Change

Usage

To utilize this model, follow the instructions provided for the original SmolLM2-1.7B-Instruct model, adjusting for the increased parameter size.

Contributing

We welcome contributions to further train and evaluate this model. Please submit pull requests with your improvements.

License

This model is licensed under the Apache 2.0 License.

Citation

If you use this model in your research, please cite it as follows:

@misc{SmolLM2-MedIT-Upscale-2B,
  author = {Mariusz Kurman, MedIT Solutions},
  title = {SmolLM2-MedIT-Upscale-2B: An Expanded Version of SmolLM2-1.7B-Instruct},
  year = {2024},
  publisher = {Hugging Face},
  url = {https://huggingface.co/meditsolutions/SmolLM2-MedIT-Upscale-2B},
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.15.17
IFEval (0-Shot)64.29
BBH (3-Shot)10.51
MATH Lvl 5 (4-Shot)1.06
GPQA (0-shot)1.90
MuSR (0-shot)2.45
MMLU-PRO (5-shot)10.78

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
a563de6

0 моделей