/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Архитектура
mistral · dense
Опубликована
9 окт 2024

writing-roleplay-20k-context-nemo-12b-v1.0

Генерация текстаТекст → текст3 профессии

Дообученная 12,1-миллиардная Mistral Nemo для написания историй и длинных ролевых диалогов.

43скачиваний за 30 дней24лайкавеса обновлены13 окт 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

openerotica/writing-roleplay-20k-context-nemo-12b-v1.0 — дообученная модель для написания историй и ролевых диалогов, созданная автором openerotica на базе mistralai/Mistral-Nemo-Base-2407. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров; репозиторий содержит веса в формате Safetensors и поддерживает чатовый шаблон ChatML. Метаданные указывают длину контекста до 1 024 000 токенов, а в описании обучения указана последовательность длиной 20 000 токенов и примеры ролевых бесед примерно такой длины.

Модель обучалась на синтетических многотуровых ролевых диалогах, текстах для написания историй и подборке инструкционных и ролевых датасетов. Она предназначена для создания художественных сцен, продолжения ролевых бесед и генерации длинных связных текстов. Автор сообщает о фильтрации данных для снижения низкого качества, повторов и контента с несовершеннолетними, однако это не гарантирует отсутствие таких результатов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • написание художественных сцен по заданному описанию
  • ведение многотурового ролевого диалога
  • продолжение истории в выбранном стиле
  • создание персонажных диалогов по карточке персонажа

Ограничения

Данные обучения и примеры в README ориентированы на контекст примерно до 20 000 токенов, хотя метаданные заявляют существенно больший нативный контекст; качество на более длинных диалогах не подтверждено. Лицензия не указана.

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

If you like this model, consider joining my discord to provide feedback: https://discord.gg/QXdn8hWSkY

This is a storywriting and roleplay model with a significant amount of self generated long context multiturn roleplay.

I downloaded a bit under a thousand cards from chub.ai, and created a synthetic roleplay for each card. I batched as many turns as I could in 4k token chunks in order to maintain coherency over longer context. There was a lot of cleaning and validation between each batch, so a lot of examples were "lost," but the final output seems to be very good quality. The longest conversation is about 20k tokens, and I plan to extend this further as well as broaden the dataset with more examples. The first 4k tokens were generated with Command-R-Plus, with the remainder generated with byroneverson/Mistral-Small-Instruct-2409-abliterated.

Next, I downloaded the prompt backup from this site, and used them as a seed for some storywriting data:

https://aetherroom.club/whats-new#backup-update

I went over it twice with Command-R-Plus. The first time, having it basically write the first draft of the output, the second improving and extending the length of the original output.

Also included was a subset of the following datasets:

anthracite-org/stheno-filtered-v1.1

anthracite-org/kalo_misc_part2

anthracite-org/kalo_opus_misc_240827

anthracite-org/kalo-opus-instruct-22k-no-refusal

Chaser-cz/sonnet35-charcard-roleplay-sharegpt

(A very small subset) jondurbin/airoboros-3.2

And some various other data, viewable at openerotica/mixed-rp

Every line of data was run through a large model in order to filter for low quality, repetition, and underage content.

There is a LOT more I can do to improve the dataset used to create this model. As of now, the storywriting data is all single shot, where as I'd like to create some examples of "contunue the story in x direction..." and "rewrite it adding/removing these elements". More stable diffusion roleplay prompting data could also be helpful. Roleplay conversations should be exteneded to 32k and beyond.

base_model: mistralai/Mistral-Nemo-Base-2407
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: true
strict: false

datasets:
  - path: openerotica/mixed-rp
    type: sharegpt
    conversation: chatml

chat_template: chatml
adapter: qlora
lora_r: 128
lora_alpha: 256
lora_modules_to_save: [embed_tokens, lm_head]
lora_dropout: 0.05
lora_target_linear: true
lora_target_modules:
  - gate_proj
  - down_proj
  - up_proj
  - q_proj
  - v_proj
  - k_proj
  - o_proj

dataset_prepared_path:
val_set_size: 0.01
output_dir: /workspace/axolotl/mixed-rp-mistral-nemo

sequence_len: 20000
sample_packing: true
pad_to_sequence_len: true

wandb_project: mistral-2
wandb_watch:
wandb_run_id:
wandb_log_model:

gradient_accumulation_steps: 2
micro_batch_size: 1
num_epochs: 1
optimizer: adamw_torch
lr_scheduler: cosine
learning_rate: 1e-5
train_on_inputs: false
group_by_length: false
bf16: auto
fp16:
tf32: false

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false
early_stopping_patience:
resume_from_checkpoint:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_steps: 100
evals_per_epoch: 4
eval_table_size:
saves_per_epoch: 1
save_total_limit: 2
save_steps:
debug:
deepspeed: 
weight_decay: 0.1
special_tokens:
  eos_token: "<|im_end|>"
  pad_token: "<pad>"
  bos_token: "<s>"
  unk_token: "<unk>"
tokens:
  - "<|im_start|>"

# fsdp:
#   - full_shard
#   - auto_wrap
# fsdp_config:
#   fsdp_limit_all_gathers: true
#   fsdp_sync_module_states: true
#   fsdp_offload_params: true
#   fsdp_use_orig_params: false
#   fsdp_cpu_ram_efficient_loading: true
#   fsdp_transformer_layer_cls_to_wrap: MixtralSparseMoeBlock
#   fsdp_state_dict_type: FULL_STATE_DICT
#   fsdp_auto_wrap_policy: TRANSFORMER_BASED_WRAP
#   fsdp_sharding_strategy: FULL_SHARD
#   fsdp_forward_prefetch: false
#   fsdp_backward_prefetch: BACKWARD_PRE

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
d80331d

0 моделей