/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
13,8 млрд
Размер весов
27,9 ГБ
Лицензия
MIT
Архитектура
phi3 · dense
Базовая модель
Phi-3-medium-128k-instruct
Опубликована
23 мая 2024

shisa-v1-phi3-14b

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная модель Phi-3 для диалогов и генерации текста с оценками на японских бенчмарках.

24скачиваний за 30 дней2лайкавеса обновлены25 мая 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

shisa-ai/shisa-v1-phi3-14b — экспериментальная дообученная языковая модель на архитектуре Phi-3, созданная на основе microsoft/Phi-3-medium-128k-instruct. Она предназначена для диалогов и генерации текста; в README приведены результаты оценки на Shaberi с заданиями на японском языке.

Модель содержит 13,8 млрд параметров и принимает текст. Для дообучения использовался формат ChatML, однако автор сообщает, что модель уступает исходной Phi-3 Medium Instruct, обученной с этим форматом, и рекомендует при повторном обучении использовать формат чата Phi-3 Instruct. Лицензия — MIT.

Сценарии применения

  • генерация ответов в диалоге
  • оценка качества ответов на японском языке
  • эксперименты с форматами инструкционного дообучения

Ограничения

Автор сообщает, что модель уступает исходной Phi-3 Medium Instruct; README не уточняет используемый датасет и рекомендует для дальнейшего обучения применять формат чата Phi-3 Instruct.

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

This test ablation probably shouldn't be used. It actually underperforms the original Phi 3 Medium Instruct model as it was trained w/ ChatML (but still performs better with the original Phi 3 instruct template). If you were to do a training run w/ this dataset, I'd recommend modifying the training to use the Phi 3 Instruct chat format.

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-swallowmx-13a47b-v16.176.486.077.115.03
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

axolotl version: 0.4.0

base_model: microsoft/Phi-3-medium-128k-instruct
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer
trust_remote_code: true

load_in_8bit: false
load_in_4bit: false
strict: false

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

chat_template: chatml
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/phi3-medium-128k-14b.8e6

sequence_len: 4096
sample_packing: true
pad_to_sequence_len: true
neftune_noise_alpha: 5

gradient_accumulation_steps: 4
micro_batch_size: 2
num_epochs: 3
optimizer: paged_adamw_8bit
adam_beta2: 0.95
adam_epsilon: 0.00001
max_grad_norm: 1.0
lr_scheduler: linear
learning_rate: 0.000008

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

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: True
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_steps: 100
evals_per_epoch: 4
saves_per_epoch: 1
debug:
deepspeed: axolotl/deepspeed_configs/zero3_bf16.json
weight_decay: 0.1
fsdp:
fsdp_config:
resize_token_embeddings_to_32x: true
special_tokens:
  pad_token: "<|endoftext|>"

outputs/phi3-medium-128k-14b.8e6

This model is a fine-tuned version of microsoft/Phi-3-medium-128k-instruct on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3339

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-06
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.95) and epsilon=1e-05
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
2.83090.002112.3406
0.76880.25131210.4958
0.64350.50262420.3830
0.52860.75393630.3626
0.55591.00524840.3549
0.46511.24256050.3486
0.52941.49387260.3432
0.54531.74518470.3392
0.52581.99649680.3376
0.48052.233110890.3357
0.45522.484412100.3352
0.53582.735713310.3339

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

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
3b47a24

0 моделей