/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Лицензия
Llama 2
Архитектура
llama · dense
Базовая модель
Swallow-13b-instruct-hf
Библиотека
transformers
Опубликована
27 янв 2024

Superswallow-13b-v0.2

Генерация текстаТекст → текст3 профессии

Объединённая 13-миллиардная языковая модель на базе Swallow и Tulu 2 DPO для генерации текста и ответов на инструкции, с упором на японский язык.

23скачиваний за 30 дней0лайковвеса обновлены27 янв 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

Superswallow-13b-v0.2 — объединённая модель генерации текста, созданная автором репозитория с помощью mergekit на основе Swallow-13b-instruct и параметров Tulu 2 DPO. Она предназначена для ответов на инструкции и диалогов, сочетая следование намерениям пользователя с японскими языковыми возможностями Swallow. Модель построена на плотной архитектуре Llama, содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. В карточке указаны английский и японский языки; README особо отмечает качество генерации на японском.

Автор приводит варианты формата запросов Tulu и Alpaca и рекомендует настройки генерации temperature 0.7, top_p 0.9, repetition_penalty 1.15 и top_k 20. При temperature около 1.0 ответы на некоторые запросы могут становиться нестабильными, а при низком repetition_penalty возможны повторы. В метаданных указана лицензия Llama 2; README отдельно предупреждает, что из-за использования параметров Tulu 2 DPO применимость лицензии может измениться и требует внимания к условиям лицензирования.

Сценарии применения

  • ответы на пользовательские инструкции на японском языке
  • диалоговый чат на японском и английском
  • генерация текста по запросу
  • эксперименты с объединением многоязычных языковых моделей

Ограничения

Автор сообщает, что при temperature около 1.0 ответы на некоторые запросы могут быть нестабильными, а при repetition_penalty около 1.0 возможны повторы. README предупреждает о возможной неопределённости применимой лицензии из-за использования параметров Tulu 2 DPO.

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

Superswallow-13b-v0.2

Important Notice:

This model partially utilizes the parameters of Tulu V2 DPO finetuned based on Llama 2, so it may inherit the AI2 ImpACT license. Please use the model keeping in mind that there may be changes regarding the license if AI2 contacts me.

The AI2 ImpACT license includes information about data artifacts and model artifacts, but does not cover the case of directly applying parts of the LLM parameters of a model artifact to other models. However, I respect their research and great work, so I will change the license immediately if AI2 contacts me.

Description

This is a merge of pre-trained language models created using mergekit. The model was created by injecting the ability to follow user intent from Tulu 2 DPO into the Swallow instract model.

It was a proof of concept for merging LLMs trained in other languages, and paid close attention to preserving the linguistic capabilities of the merge-based model.

As far as I know, Swallow is the full set Llama 2 model(7B, 13B, 70B) that can output the most beautiful Japanese. Therefore, I used it as the base model for merging this time. Thank you for their wonderful work.

Test environment

This model was tested using text-generation-webui. I use preset simple-1 and Null preset for Generation.

Recommendation

Use simple-1 settings:

  • temperature: 0.7
  • top_p: 0.9
  • repetition_penalty: 1.15
  • top_k: 20

Tested temperature Range

  • temperature: 0.3 - 1.0

It works fine in most cases, but depending on the prompt, the output may become unstable at temperatures around 1.0.

Tested repetition_penalty Range

  • repetition_penalty: 1.0 - 1.15

It works fine in most cases, but depending on the prompt, the output may become repetition at repetition_penalty around 1.0.

Prompt template

Tulu Style (Recommended format)

<|user|>
Your message here!
<|assistant|>

For best results, format all inputs in this manner. Make sure to include a newline after <|assistant|>, this can affect generation quality quite a bit.

Swallow Style (Alpaca format)

以下に、あるタスクを説明する指示があり、それに付随する入力が更なる文脈を提供しています。リクエストを適切に完了するための回答を記述してください。

### 指示:
{instruction}

### 応答:

Use the instruct model

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "nitky/Superswallow-13b-v0.2"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.bfloat16, low_cpu_mem_usage=True, device_map="auto")


PROMPT_DICT = {
    "prompt_input": (
        "以下に、あるタスクを説明する指示があり、それに付随する入力が更なる文脈を提供しています。"
        "リクエストを適切に完了するための回答を記述してください。\n\n"
        "### 指示:\n{instruction}\n\n### 入力:\n{input}\n\n### 応答:"

    ),
    "prompt_no_input": (
        "以下に、あるタスクを説明する指示があります。"
        "リクエストを適切に完了するための回答を記述してください。\n\n"
        "### 指示:\n{instruction}\n\n### 応答:"
    ),
}

def create_prompt(instruction, input=None):
    """
    Generates a prompt based on the given instruction and an optional input.
    If input is provided, it uses the 'prompt_input' template from PROMPT_DICT.
    If no input is provided, it uses the 'prompt_no_input' template.

    Args:
        instruction (str): The instruction describing the task.
        input (str, optional): Additional input providing context for the task. Default is None.

    Returns:
        str: The generated prompt.
    """
    if input:
        # Use the 'prompt_input' template when additional input is provided
        return PROMPT_DICT["prompt_input"].format(instruction=instruction, input=input)
    else:
        # Use the 'prompt_no_input' template when no additional input is provided
        return PROMPT_DICT["prompt_no_input"].format(instruction=instruction)

# Example usage
instruction_example = "以下のトピックに関する詳細な情報を提供してください。"
input_example = "東京工業大学の主なキャンパスについて教えてください"
prompt = create_prompt(instruction_example, input_example)

input_ids = tokenizer.encode(
    prompt,
    add_special_tokens=False,
    return_tensors="pt"
)

tokens = model.generate(
    input_ids.to(device=model.device),
    max_new_tokens=200,
    temperature=0.7,
    top_p=0.9,
    repetition_penalty=1.15,
    top_k=20,
    do_sample=True,
)

out = tokenizer.decode(tokens[0], skip_special_tokens=True)
print(out)

Merge Details

Merge Method

This model was merged using the DARE TIES and the SLERP merge method using tokyotech-llm/Swallow-13b-instruct-hf as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: tokyotech-llm/Swallow-13b-instruct-hf
    # no parameters necessary for base model
  - model: allenai/tulu-2-dpo-13b # follow user intent
    parameters:
      density: 1
      weight:
      - filter: mlp.down_proj
        value: [0.45, 0.10, 0.45, 0.10, 0.45, 0.10, 0.45, 0.10, 0.10]
      - filter: mlp.gate_proj 
        value: [0.70, 0.10, 0.45, 0.10, 0.45, 0.10, 0.45, 0.10, 0.10]
      - filter: mlp.up_proj
        value: [0.70, 0.10, 0.45, 0.10, 0.45, 0.10, 0.45, 0.10, 0.10]
      - filter: self_attn
        value: [0.70, 0.45, 0.10, 0.45, 0.10, 0.45, 0.10, 0.45, 0.45]
      - value: 0 # fallback for rest of tensors.
merge_method: dare_ties
base_model: tokyotech-llm/Swallow-13b-instruct-hf
dtype: bfloat16
tokenizer_source: union
name: Superswallow-13b-v0.2-flavor
---
slices:
  - sources:
      - model: nitky/Superswallow-13b-baseline
        layer_range: [0, 40]
      - model: Superswallow-13b-v0.2-flavor
        layer_range: [0, 40]
merge_method: slerp
base_model: nitky/Superswallow-13b-baseline
parameters:
  t: # model stabilization
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5 # fallback for rest of tensors
dtype: bfloat16
name: Superswallow-13b-v0.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
4da31fa

0 моделей