/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7 млрд
Размер весов
15,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Viking-7B
Опубликована
10 апр 2024

Alpacazord-Viking-7B

Генерация текстаТекст → текст3 профессии

Финскоязычная инструкционная модель на 7 млрд параметров для генерации ответов на текстовые запросы.

33скачиваний за 30 дней3лайкавеса обновлены15 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

Alpacazord-Viking-7B — финскоязычная инструкционная языковая модель на 7 млрд параметров, созданная mpasila на основе LumiOpen/Viking-7B. Модель семейства Llama обучалась один эпох на наборе mpasila/Alpacazord-V1 в формате Alpaca; опубликованная версия представляет собой объединение LoRA-адаптера с базовой моделью.

Модель предназначена для генерации ответов на инструкции и запросы, в том числе с дополнительным контекстом. В карточке приведены результаты оценки на FIN-bench. Модель принимает текст и генерирует текст; максимальный контекст составляет 4096 токенов. Лицензия — Apache-2.0.

Автор отмечает, что объединение квантизированного LoRA с моделью float16 могло быть выполнено не лучшим способом. Результаты оценки не гарантируют качество для всех задач, а обучение всего в одну эпоху ограничивает основания для широких выводов о возможностях модели.

Сценарии применения

  • ответы на инструкции и вопросы на финском языке
  • генерация текста по запросу на финском языке
  • ответы с учётом предоставленного контекста
  • оценка и эксперименты с финскоязычными LLM

Ограничения

Объединение квантизированного LoRA с базовой моделью float16 могло быть выполнено не оптимально. Модель обучалась один эпох, поэтому приведённая оценка на FIN-bench не гарантирует качество на других задачах.

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

Model Card for Alpacazord-Viking-7B

This is a merge of mpasila/Alpacazord-Viking-LoRA-7B.

LoRA trained with text-generation-webui in 4-bit using LumiOpen/Viking-7B as the base model for 1 epoch. Dataset used with the LoRA is mpasila/Alpacazord-V1.

It uses Alpaca format like so:

{
    "instruction,output": "Below is an instruction that describes a task. Write a response that appropriately completes the request.\n\n### Instruction:\n%instruction%\n\n### Response:\n%output%",
    "instruction,input,output": "Below is an instruction that describes a task, paired with an input that provides further context. Write a response that appropriately completes the request.\n\n### Instruction:\n%instruction%\n\n### Input:\n%input%\n\n### Response:\n%output%"
}

Merged using this Colab notebook. It might not be the best way to merge a quantized LoRA on to a float16 model but I just wanted to quickly do something. You can try merging it better if you want.

Evaluation

ModelSizeTypeFIN-bench (score)
mpasila/Alpacazord-Viking-7B7BInstruct0.4123
mpasila/Finnish-Alpaca-Small-7B7BInstruct0.3586
mpasila/Finnish-Alpaca-Tiny-V2-7B7BInstruct0.4654
mpasila/Finnish-Viking-Alpaca-V1-7B7BInstruct0.3943
mpasila/NordicAlpaca-Finnish-V1-7B7BInstruct0.3891
Finnish-NLP/llama-7b-finnish-instruct-v0.17BInstruct0.4365
Finnish-NLP/llama-7b-finnish-instruct-v0.27BInstruct0.3993
Finnish-NLP/llama-7b-finnish7BBase0.2350
LumiOpen/Viking-7B (1000B)7BBase0.3721
HPLT/gpt-7b-nordic-prerelease7BBase0.3169

Source

FIN-bench scores:

TaskVersionMetricValueStderr
bigbench_analogies0multiple_choice_grade0.5000±0.0440
bigbench_arithmetic_1_digit_addition0multiple_choice_grade0.6600±0.0476
bigbench_arithmetic_1_digit_division0multiple_choice_grade0.6957±0.0981
bigbench_arithmetic_1_digit_multiplication0multiple_choice_grade0.3800±0.0488
bigbench_arithmetic_1_digit_subtraction0multiple_choice_grade0.4400±0.0499
bigbench_arithmetic_2_digit_addition0multiple_choice_grade0.5000±0.0503
bigbench_arithmetic_2_digit_division0multiple_choice_grade0.5400±0.0501
bigbench_arithmetic_2_digit_multiplication0multiple_choice_grade0.2100±0.0409
bigbench_arithmetic_2_digit_subtraction0multiple_choice_grade0.3100±0.0465
bigbench_arithmetic_3_digit_addition0multiple_choice_grade0.5200±0.0502
bigbench_arithmetic_3_digit_division0multiple_choice_grade0.2800±0.0451
bigbench_arithmetic_3_digit_multiplication0multiple_choice_grade0.1700±0.0378
bigbench_arithmetic_3_digit_subtraction0multiple_choice_grade0.5000±0.0503
bigbench_arithmetic_4_digit_addition0multiple_choice_grade0.3600±0.0482
bigbench_arithmetic_4_digit_division0multiple_choice_grade0.3000±0.0461
bigbench_arithmetic_4_digit_multiplication0multiple_choice_grade0.0400±0.0197
bigbench_arithmetic_4_digit_subtraction0multiple_choice_grade0.4900±0.0502
bigbench_arithmetic_5_digit_addition0multiple_choice_grade0.3700±0.0485
bigbench_arithmetic_5_digit_division0multiple_choice_grade0.1400±0.0349
bigbench_arithmetic_5_digit_multiplication0multiple_choice_grade0.0000±0.0000
bigbench_arithmetic_5_digit_subtraction0multiple_choice_grade0.4500±0.0500
bigbench_cause_and_effect_one_sentence0multiple_choice_grade0.5882±0.0696
bigbench_cause_and_effect_one_sentence_no_prompt0multiple_choice_grade0.7451±0.0616
bigbench_cause_and_effect_two_sentences0multiple_choice_grade0.4706±0.0706
bigbench_emotions0multiple_choice_grade0.2938±0.0361
bigbench_empirical_judgments0multiple_choice_grade0.3333±0.0476
bigbench_general_knowledge0multiple_choice_grade0.3429±0.0571
bigbench_hhh_alignment_harmless0multiple_choice_grade0.3621±0.0637
bigbench_hhh_alignment_helpful0multiple_choice_grade0.3559±0.0629
bigbench_hhh_alignment_honest0multiple_choice_grade0.4068±0.0645
bigbench_hhh_alignment_other0multiple_choice_grade0.5581±0.0766
bigbench_intent_recognition0multiple_choice_grade0.2587±0.0167
bigbench_misconceptions0multiple_choice_grade0.5299±0.0433
bigbench_paraphrase0multiple_choice_grade0.5050±0.0354
bigbench_sentence_ambiguity0multiple_choice_grade0.5000±0.0651
bigbench_similarities_abstraction0multiple_choice_grade0.7368±0.0508

Framework versions

  • PEFT 0.8.2

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
1b1f0d3

0 моделей