/ Модель

Характеристики

Контекст
8 192 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-70B-Instruct
Опубликована
22 мая 2024

shisa-v1-llama3-70b

Генерация текстаТекст → текст5 профессий

Дообученная Shisa AI на японском языке диалоговая модель Llama 3 с 70 млрд параметров для генерации текста и ответов на запросы.

34скачиваний за 30 дней4лайкавеса обновлены19 мар 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 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

Shisa v1 Llama 3 70B — плотная языковая модель с 69,5 млрд параметров, дообученная Shisa AI на базе meta-llama/Meta-Llama-3-70B-Instruct. Дообучение направлено на улучшение японского языка; модель предназначена для диалогов и генерации текста. В карточке указаны контекст 8192 токена и формат Safetensors.

Авторы описывают этот чекпойнт как экспериментальную абляцию в работе над Shisa v2 и сообщают о результатах бенчмарков японского языка. Лицензия — Llama 3 Community License. Результаты бенчмарков из README не гарантируют качество в конкретных сценариях; модель унаследовала ограничения базовой Llama 3 и может ошибаться или выдавать нежелательный текст.

Сценарии применения

  • диалоги с ассистентом на японском языке
  • ответы на вопросы на японском языке
  • генерация и перефразирование японского текста
  • суммаризация текста на японском языке
  • многоязычные диалоги на японском и английском

Ограничения

Это экспериментальная абляция, созданная в ходе работы над Shisa v2; результаты бенчмарков не гарантируют качество на конкретных задачах. Модель может ошибаться и наследует ограничения базовой Llama 3.

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

shisa-v2 Base Model ablation

Per the Llama 3 Community License Agreement, the official name of this model is "Llama 3 shisa-v1-llama3-70b"

This is a fine-tune Llama 3 70B Instruct with the primary shisa-v1 dataset to improve Japanese language capabilities.

This model uses a LR of 8e-6 that slightly improves performance vs the initial 2e-5 tune (based on and validating predictive power of the the results of the Llama 3 8B LR ablations).

It also uses NEFTune, although the expected impact is neglible for this dataset.

While the 2e-5 model matched gpt-3.5-turbo performance, this 2e-6 version consistently edges it out, so I think it's fair to say that this model "beats" it.

While this is merely a test ablation on the road to shisa-v2, as of its release (mid-May 2024), it's the strongest commercially-usable open JA model benchmarked so far, so this model may be of general interest.

Performance

Measured using a fork of Lightblue's Shaberi benchmark framework:

ModelAverageELYZA-tasks-100MT-BenchRakudaTengu-Bench
gpt-4-turbo-2024-04-098.758.788.749.188.31
gpt-4o-2024-05-138.728.888.699.158.16
gemini-1.5-pro8.588.588.939.207.61
claude-3-opus-202402298.558.648.588.758.23
CohereForAI/c4ai-command-r-plus7.697.507.439.056.79
shisa-ai/shisa-v1-llama3-70b7.307.347.678.156.04
gpt-3.5-turbo-01257.177.246.987.646.82
shisa-ai/shisa-v1-llama3-70b.2e57.177.167.457.986.09
karakuri-ai/karakuri-lm-8x7b-chat-v0.17.007.186.307.986.55
karakuri-ai/karakuri-lm-70b-chat-v0.16.846.866.437.856.23
lightblue/ao-karasu-72B6.817.196.547.256.27
shisa-ai/shisa-v1-llama3-8b6.596.676.957.055.68
microsoft/Phi-3-medium-128k-instruct6.487.105.926.846.04
shisa-ai/shisa-v1-swallowmx-13a47b6.176.486.077.115.03
lightblue/suzume-llama-3-8B-japanese5.966.684.966.685.53
augmxnt/shisa-gamma-7b-v15.825.965.026.855.47
shisa-ai/shisa-v1-phi3-14b5.776.285.266.555.01
shisa-ai/shisa-v1-gemma-8b5.646.505.425.105.55
Rakuten/RakutenAI-7B-chat5.585.924.606.585.24
lightblue/qarasu-14B-chat-plus-unleashed5.205.584.745.465.01
shisa-ai/shisa-v1-mistral0.3-7b5.115.646.103.834.86
cyberagent/calm2-7b-chat4.764.903.585.754.81
mistralai/Mistral-7B-Instruct-v0.24.695.784.653.804.53
shisa-ai/shisa-v1-yi1.5-9b4.635.984.283.265.00
augmxnt/shisa-7b-v14.504.633.954.894.53

Compute for training this model was generously provided by Ubitus.

axolotl version: 0.4.0

base_model: meta-llama/Meta-Llama-3-70B-Instruct
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

# doesn't work...
# hub_model_id: shisa-ai/shisa-llama3-70b-v1
# hub_strategy: end

use_wandb: true
wandb_project: shisa-v2
wandb_entity: augmxnt
wandb_name: shisa-llama3-70b-v1.8e6

chat_template: llama3
datasets:
  - path: augmxnt/ultra-orca-boros-en-ja-v1
    type: sharegpt
dataset_prepared_path: last_run_prepared
val_set_size: 0.05
output_dir: ./outputs/basemodel-llama3-70b.8e6

sequence_len: 4096
sample_packing: true
pad_to_sequence_len: true

neftune_noise_alpha: 5

gradient_accumulation_steps: 2
micro_batch_size: 2
num_epochs: 3
optimizer: paged_adamw_8bit
lr_scheduler: linear
learning_rate: 8e-6

train_on_inputs: false
group_by_length: false
bf16: auto
fp16:
tf32: true

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

warmup_ratio: 0.1
evals_per_epoch: 2
eval_table_size:
saves_per_epoch: 0
debug:
deepspeed: axolotl/deepspeed_configs/zero3_bf16.json
weight_decay: 0.05
fsdp:
fsdp_config:
special_tokens:
  pad_token: <|end_of_text|>

outputs/basemodel-llama3-70b.8e6

This model is a fine-tuned version of meta-llama/Meta-Llama-3-70B-Instruct on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4440

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: 8e-6
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 16
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 87
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
1.2480.003310.7102
0.74970.50081540.4374
0.72291.00163080.3940
0.37721.48624620.3962
0.37911.98706160.3838
0.09432.46997700.4440

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.1
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
810cbbe

0 моделей