/ 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
6 апр 2024

Finnish-Viking-Alpaca-V1-7B

Генерация текстаТекст → текст3 профессии

Финская инструктивная Llama-модель на 7 млрд параметров для генерации ответов на запросы и инструкции.

19скачиваний за 30 дней1лайквеса 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

Finnish-Viking-Alpaca-V1-7B — 7-миллиардная плотная языковая модель на архитектуре Llama, созданная mpasila дообучением LumiOpen/Viking-7B с помощью LoRA на финском наборе инструкций alpaca-cleaned-fi, после чего адаптер был объединён с базовой моделью. Модель предназначена для генерации ответов на инструкции и запросы, прежде всего на финском языке, в формате Alpaca с финским вводным шаблоном.

Модель использует формат safetensors и поддерживает контекст до 4096 токенов. В карточке приведён результат 0,3943 на FIN-bench; автор отмечает, что объединение квантизированного LoRA с моделью float16 могло быть выполнено не оптимально. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на инструкции на финском языке
  • генерация текста по финским запросам
  • создание финскоязычных ответов в формате Alpaca

Ограничения

Качество объединения LoRA-адаптера автор считает потенциально неоптимальным; результат FIN-bench в карточке ниже, чем у указанной там Finnish-Alpaca-Tiny-V2-7B. Контекст ограничен 4096 токенами.

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 Finnish-Viking-Alpaca-V1-7B

This is a merge of mpasila/Finnish-Viking-Alpaca-V1-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 pinzhenchen/alpaca-cleaned-fi.

It uses Alpaca format but with a translated instruction at the start:

{
    "instruction,output": "Alla on ohje, jossa kuvataan tehtävä. Kirjoita vastaus, joka täyttää pyynnön asianmukaisesti.\n\n### Instruction:\n%instruction%\n\n### Response:\n%output%",
    "instruction,input,output": "Alla on ohje, jossa kuvataan tehtävä ja joka on yhdistetty kontekstia lisäävään syötteeseen. Kirjoita vastaus, joka täyttää pyynnön asianmukaisesti.\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/Finnish-Viking-Alpaca-V1-7B7BInstruct0.3943
mpasila/Finnish-Alpaca-Small-7B7BInstruct0.3586
mpasila/Finnish-Alpaca-Tiny-V2-7B7BInstruct0.4654
mpasila/Alpacazord-Viking-7B7BInstruct0.4123
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_grade0.6308±0.0425
bigbench_arithmetic_1_digit_addition0multiple_choice_grade0.6400±0.0482
bigbench_arithmetic_1_digit_division0multiple_choice_grade0.7391±0.0936
bigbench_arithmetic_1_digit_multiplication0multiple_choice_grade0.2800±0.0451
bigbench_arithmetic_1_digit_subtraction0multiple_choice_grade0.5000±0.0503
bigbench_arithmetic_2_digit_addition0multiple_choice_grade0.1800±0.0386
bigbench_arithmetic_2_digit_division0multiple_choice_grade0.4800±0.0502
bigbench_arithmetic_2_digit_multiplication0multiple_choice_grade0.0800±0.0273
bigbench_arithmetic_2_digit_subtraction0multiple_choice_grade0.2500±0.0435
bigbench_arithmetic_3_digit_addition0multiple_choice_grade0.1800±0.0386
bigbench_arithmetic_3_digit_division0multiple_choice_grade0.2500±0.0435
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_grade0.2600±0.0441
bigbench_arithmetic_4_digit_division0multiple_choice_grade0.2500±0.0435
bigbench_arithmetic_4_digit_multiplication0multiple_choice_grade0.2100±0.0409
bigbench_arithmetic_4_digit_subtraction0multiple_choice_grade0.5200±0.0502
bigbench_arithmetic_5_digit_addition0multiple_choice_grade0.3900±0.0490
bigbench_arithmetic_5_digit_division0multiple_choice_grade0.1600±0.0368
bigbench_arithmetic_5_digit_multiplication0multiple_choice_grade0.1000±0.0302
bigbench_arithmetic_5_digit_subtraction0multiple_choice_grade0.6100±0.0490
bigbench_cause_and_effect_one_sentence0multiple_choice_grade0.6471±0.0676
bigbench_cause_and_effect_one_sentence_no_prompt0multiple_choice_grade0.6863±0.0656
bigbench_cause_and_effect_two_sentences0multiple_choice_grade0.3922±0.0690
bigbench_emotions0multiple_choice_grade0.2812±0.0357
bigbench_empirical_judgments0multiple_choice_grade0.2828±0.0455
bigbench_general_knowledge0multiple_choice_grade0.4000±0.0590
bigbench_hhh_alignment_harmless0multiple_choice_grade0.3621±0.0637
bigbench_hhh_alignment_helpful0multiple_choice_grade0.3559±0.0629
bigbench_hhh_alignment_honest0multiple_choice_grade0.3729±0.0635
bigbench_hhh_alignment_other0multiple_choice_grade0.5581±0.0766
bigbench_intent_recognition0multiple_choice_grade0.1879±0.0149
bigbench_misconceptions0multiple_choice_grade0.5373±0.0432
bigbench_paraphrase0multiple_choice_grade0.5150±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
287e45e

0 моделей