/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7,2 млрд
Размер весов
14,8 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
26 мая 2024

Minerva-7B-base-v1.0

Генерация текстаТекст → текст5 профессий

Базовая модель Mistral с 7,2 млрд параметров для генерации текста на итальянском и английском языках, обученная с нуля командой Sapienza NLP и партнёрами.

1 850скачиваний за 30 дней15лайковвеса обновлены5 дек 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

Minerva-7B-base-v1.0 — базовая языковая модель, разработанная командой Sapienza NLP совместно с Future Artificial Intelligence Research (FAIR) и CINECA. Это плотный Transformer на архитектуре Mistral с 7,2 млрд параметров, обученный с нуля примерно на 2,5 трлн токенов: итальянском, английском и программном коде. Модель принимает текст и генерирует продолжение, поэтому подходит как основа для экспериментов и прикладных систем генерации текста на итальянском и английском языках.

В обучении использованы, среди прочего, CulturaX, FineWeb и RedPajama-Data-V2. Указанное в метаданных контекстное окно — 4096 токенов. Модель оценивали, в частности, с помощью набора ITA-Bench, включающего проверки знаний, здравого смысла и математических рассуждений на итальянском языке. Это базовая, не выровненная модель без механизмов модерации: возможны ошибки, повторы, предвзятые и токсичные ответы. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация продолжения итальянского текста
  • генерация продолжения английского текста
  • создание базовой модели для дообучения под итальянский чат-бот
  • эксперименты с генерацией текста и языковым моделированием
  • генерация фрагментов программного кода

Ограничения

Это базовая модель без механизмов выравнивания и модерации; она может выдавать фактически неверные, предвзятые, токсичные или повторяющиеся ответы. Контекст ограничен 4096 токенами.

Для каких профессий подходит5

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

Model Card for Minerva-7B-base-v1.0

Minerva is the first family of LLMs pretrained from scratch on Italian developed by Sapienza NLP in collaboration with Future Artificial Intelligence Research (FAIR) and CINECA. Notably, the Minerva models are truly-open (data and model) Italian-English LLMs, with approximately half of the pretraining data including Italian text.

Description

This is the model card for Minerva-7B-base-v1.0, a 7 billion parameter model trained on almost 2.5 trillion tokens (1.14 trillion in Italian, 1.14 trillion in English, and 200 billion in code).

This model is part of the Minerva LLM family:

🚨⚠️🚨 Bias, Risks, and Limitations 🚨⚠️🚨

This section identifies foreseeable harms and misunderstandings.

This is a foundation model, not subject to alignment. Model may:

  • Overrepresent some viewpoints and underrepresent others
  • Contain stereotypes
  • Contain personal information
  • Generate:
    • Racist and sexist content
    • Hateful, abusive, or violent language
    • Discriminatory or prejudicial language
    • Content that may not be appropriate for all settings, including sexual content
  • Make errors, including producing incorrect information or historical facts as if it were factual
  • Generate irrelevant or repetitive outputs

We are aware of the biases and potential problematic/toxic content that current pretrained large language models exhibit: more specifically, as probabilistic models of (Italian and English) languages, they reflect and amplify the biases of their training data. For more information about this issue, please refer to our survey:

How to use Minerva with Hugging Face transformers

import transformers
import torch

model_id = "sapienzanlp/Minerva-7B-base-v1.0"

# Initialize the pipeline.
pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)

# Input text for the model.
input_text = "La capitale dell'Italia è"

# Compute the outputs.
output = pipeline(
  input_text,
  max_new_tokens=128,
)

output
[{'generated_text': "La capitale dell'Italia è la città di Roma, che si trova a [...]"}]

Model Architecture

Minerva-7B-base-v1.0 is a Transformer model based on the Mistral architecture. Please look at the configuration file for a detailed breakdown of the hyperparameters we chose for this model.

The Minerva LLM family is composed of:

Model NameTokensLayersHidden SizeAttention HeadsKV HeadsSliding WindowMax Context Length
Minerva-350M-base-v1.070B (35B it + 35B en)161152164204816384
Minerva-1B-base-v1.0200B (100B it + 100B en)162048164204816384
Minerva-3B-base-v1.0660B (330B it + 330B en)322560328204816384
Minerva-7B-base-v1.02.48T (1.14T it + 1.14T en + 200B code)324096328None4096

Model Training

Minerva-7B-base-v1.0 was trained using llm-foundry 0.8.0 from MosaicML. The hyperparameters used are the following:

Model NameOptimizerlrbetasepsweight decaySchedulerWarmup StepsBatch Size (Tokens)Total Steps
Minerva-350M-base-v1.0Decoupled AdamW2e-4(0.9, 0.95)1e-80.0Cosine2%4M16,690
Minerva-1B-base-v1.0Decoupled AdamW2e-4(0.9, 0.95)1e-80.0Cosine2%4M47,684
Minerva-3B-base-v1.0Decoupled AdamW2e-4(0.9, 0.95)1e-80.0Cosine2%4M157,357
Minerva-7B-base-v1.0AdamW3e-4(0.9, 0.95)1e-50.1Cosine20004M591,558

Model Evaluation

For Minerva's evaluation process, we utilized ITA-Bench, a new evaluation suite to test the capabilities of Italian-speaking models. ITA-Bench is a collection of 18 benchmarks that assess the performance of language models on various tasks, including scientific knowledge, commonsense reasoning, and mathematical problem-solving.

Training Data

Minerva-7B-base-v1.0 is trained on 1.14T Italian tokens, 1.14T English tokens, and 200B code tokens.

The training data is a mixture of the following datasets:

DatasetTokensLanguageEpochs
RedPajama-Data-V2687,952,502,784Italian1.3
CulturaX158,201,876,480Italian1.5
Wikipedia1,265,135,616Italian1.0
Gutenberg/Wikisource147,017,728Italian2.0
EurLex1,647,013,888Italian1.0
Gazzetta Ufficiale1,654,013,952Italian1.0
FineWeb1,076,406,624,256English1.0
Wikipedia5,259,501,568English1.0
ArXiv33,231,106,048English1.0
Gutenberg6,947,893,248English1.0
StackExchange22,069,268,480English1.0
The Stack V2200,754,900,992Code1.0

Tokenizer Fertility

The tokenizer fertility measures the average amount of tokens produced per tokenized word. A tokenizer displaying high fertility values in a particular language typically indicates that it segments words in that language extensively. The tokenizer fertility is strictly correlated with the inference speed of the model with respect to a specific language, as higher values mean longer sequences of tokens to generate and thus lower inference speed.

Fertility computed over a sample of Cultura X (CX) data and Wikipedia (Wp):

ModelVoc. SizeFertility IT (CX)Fertility EN (CX)Fertility IT (Wp)Fertility EN (Wp)
Mistral-7B-v0.1320001.871.322.051.57
gemma-7b2560001.421.181.561.34
Minerva-3B-base-v1.0327681.391.321.661.59
Minerva-7B-base-v1.0512001.321.261.561.51

Notice

Minerva-7B-base-v1.0 is a pretrained base model and, therefore, has no moderation mechanisms.

The Sapienza NLP Team

  • Riccardo Orlando: data preprocessing, model training
  • Pere-Lluis Huguet Cabot: data preprocessing, vocabulary, evaluation
  • Luca Moroni: data curation, data analysis, downstream tasks, evaluation
  • Simone Conia: data curation, evaluation, project supervision
  • Edoardo Barba: data preprocessing, downstream tasks, project supervision
  • Roberto Navigli: project lead and coordination

Special thanks for their support

  • Giuseppe Fiameni, Nvidia
  • Sergio Orlandini, CINECA

Acknowledgments

This work was funded by the PNRR MUR project PE0000013-FAIR and the CREATIVE PRIN project, which is funded by the MUR Progetti di Rilevante Interesse Nazionale programme (PRIN 2020). We acknowledge the CINECA award "IscB_medit" under the ISCRA initiative for the availability of high-performance computing resources and support.

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
ff16836

0 моделей