/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Библиотека
transformers
Опубликована
25 янв 2025

Bellatrix-1.5B-xElite

Генерация текстаТекст → текст10 профессий

Bellatrix-1.5B-xElite — компактная дообученная языковая модель Qwen2 для диалогов, генерации и суммаризации текста, рассуждений и сценариев RAG.

41скачиваний за 30 дней3лайкавеса обновлены27 янв 2025

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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2785

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,287

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3501

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3619

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1657

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1964

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Bellatrix-1.5B-xElite — компактная авторегрессионная языковая модель с архитектурой Qwen2, разработанная на базе Qwen/Qwen2.5-1.5B-Instruct. Модель содержит 1,5 млрд параметров, работает с текстом и использует формат Transformers; заявленная длина контекста составляет 131 072 токена. По карточке, обучение включало дообучение на синтетических примерах QWQ, SFT и RLHF.

Модель предназначена для диалогов, следования инструкциям, генерации и суммаризации текста, логических рассуждений и сценариев RAG, включая агентный поиск и синтез найденной информации. Карточка заявляет многоязычное применение, однако в метаданных указан английский язык. У модели также заявлен интерфейс для вызова инструментов.

Возможные ограничения — склонность к фактическим ошибкам, зависимость качества от языка и обучающих данных, а также более слабая работа на специализированных и внераспределённых задачах. В таблице оценки приведены низкие результаты на IFEval (19,64%) и BBH (9,49%), поэтому качество рассуждений и следования инструкциям стоит проверять на целевых задачах. Лицензия — Apache-2.0.

Сценарии применения

  • создание диалогового чат-бота
  • суммаризация длинных текстов
  • ответы на вопросы по найденным документам в RAG-системе
  • выполнение инструкций и генерация структурированных ответов
  • логические рассуждения на синтетических задачах QWQ

Ограничения

Модель может выдавать правдоподобные, но фактически неверные ответы; качество может снижаться на малоресурсных языках, специализированных и внераспределённых задачах. В README указаны низкие результаты на IFEval (19,64%) и BBH (9,49%), поэтому пригодность для целевых задач следует проверять отдельно.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Bellatrix-1.5B-xElite

Bellatrix-1.5B-xElite is based on a reasoning-based model designed for the QWQ synthetic dataset entries. The pipeline's instruction-tuned, text-only models are optimized for multilingual dialogue use cases, including agentic retrieval and summarization tasks. These models outperform many of the available open-source options. Bellatrix is an auto-regressive language model that uses an optimized transformer architecture. The tuned versions utilize supervised fine-tuning (SFT) and reinforcement learning with human feedback (RLHF).

Quickstart with Transformers

Here provides a code snippet with apply_chat_template to show you how to load the tokenizer and model and how to generate contents.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "prithivMLmods/Bellatrix-1.5B-xElite"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "system", "content": "You are Qwen, created by Alibaba Cloud. You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

Intended Use:

  1. Multilingual Dialogue Systems:

    • Designed for conversational AI applications, capable of handling dialogue across multiple languages.
    • Useful in customer service, chatbots, and other dialogue-centric use cases.
  2. Reasoning and QWQ Dataset Applications:

    • Optimized for tasks requiring logical reasoning and contextual understanding, particularly in synthetic datasets like QWQ.
  3. Agentic Retrieval:

    • Supports retrieval-augmented generation tasks, helping systems fetch and synthesize information effectively.
  4. Summarization Tasks:

    • Excels in summarizing long or complex text while maintaining coherence and relevance.
  5. Instruction-Following Tasks:

    • Can execute tasks based on specific user instructions due to instruction-tuning during training.
  6. Language Generation:

    • Suitable for generating coherent and contextually relevant text in various domains and styles.

Limitations:

  1. Synthetic Dataset Bias:

    • Optimization for QWQ and similar datasets may make the model less effective on real-world or less structured data.
  2. Data Dependency:

    • Performance may degrade on tasks or languages not well-represented in the training dataset.
  3. Computational Requirements:

    • The optimized transformer architecture may demand significant computational resources, especially for fine-tuning or large-scale deployments.
  4. Potential Hallucinations:

    • Like most auto-regressive models, it may generate plausible-sounding but factually incorrect or nonsensical outputs.
  5. RLHF-Specific Biases:

    • Reinforcement Learning with Human Feedback (RLHF) can introduce biases based on the preferences of the annotators involved in the feedback process.
  6. Limited Domain Adaptability:

    • While effective in reasoning and dialogue tasks, it may struggle with highly specialized domains or out-of-distribution tasks.
  7. Multilingual Limitations:

    • Although optimized for multilingual use, certain low-resource languages may exhibit poorer performance compared to high-resource ones.
  8. Ethical Concerns:

    • May inadvertently generate inappropriate or harmful content if safeguards are not applied, particularly in sensitive applications.
  9. Real-Time Usability:

    • Latency in inference time could limit its effectiveness in real-time applications or when scaling to large user bases.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here! Summarized results can be found here!

MetricValue (%)
Average9.55
IFEval (0-Shot)19.64
BBH (3-Shot)9.49
MATH Lvl 5 (4-Shot)12.61
GPQA (0-shot)3.80
MuSR (0-shot)4.44
MMLU-PRO (5-shot)7.30

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
5b9d843

0 моделей