/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Архитектура
mixtralmole · MoE
Опубликована
23 янв 2024

tinyllama_mole_sft_ultrachat_ep3

Генерация текстаТекст → текст3 профессии

Компактная языковая MoE-модель на 1 млрд параметров для генерации текста и диалогов с контекстом 2048 токенов.

28скачиваний за 30 дней0лайковвеса обновлены24 янв 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

tinyllamamolesftultrachatep3 — языковая модель примерно на 1 млрд параметров с архитектурой MixtralMoleForCausalLM типа MoE. Согласно карточке, модель обучена с нуля на наборе данных generator; метаданные также отмечают поддержку чатового взаимодействия. Она предназначена для генерации текста и диалоговых сценариев. Контекст составляет 2048 токенов, веса опубликованы в формате safetensors.

Модель создана автором репозитория ondevicellm; лицензия в предоставленных данных не указана. В README приведён результат оценки Loss 1,1127, но описания набора оценки и ограничений нет.

Сценарии применения

  • генерация ответов в чат-боте
  • ведение коротких текстовых диалогов
  • создание продолжений текста
  • эксперименты с компактными языковыми моделями

Ограничения

Контекст ограничен 2048 токенами. README не описывает качество по отдельным задачам, обучающие данные подробнее не раскрыты, а лицензия не приведена в доступных сведениях.

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

tinyllama_mole_sft_ultrachat_ep3

This model was trained from scratch on the generator dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1127

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: 16
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 120
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
1.30070.091001.2780
1.22550.182001.2158
1.1920.263001.1921
1.16960.354001.1770
1.14260.445001.1666
1.16280.536001.1583
1.15010.617001.1513
1.1370.78001.1457
1.13210.799001.1407
1.11560.8810001.1359
1.13950.9611001.1318
1.05641.0512001.1315
1.05941.1413001.1295
1.07111.2314001.1274
1.06241.3115001.1256
1.06521.416001.1233
1.06261.4917001.1213
1.04571.5818001.1195
1.06651.6619001.1178
1.071.7520001.1158
1.05671.8421001.1141
1.03041.9322001.1127
1.01322.0123001.1170
1.02032.124001.1170
1.00882.1925001.1168
1.0022.2826001.1162
1.00042.3727001.1157
1.00582.4528001.1156
1.01182.5429001.1150
0.99412.6330001.1148
1.01272.7231001.1147
1.00392.832001.1144
1.02.8933001.1143
1.01882.9834001.1143

Framework versions

  • Transformers 4.37.0
  • Pytorch 2.1.2+cu118
  • Datasets 2.16.1
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MixtralMoleForCausalLM
Ревизия весов
6e0313f

0 моделей