/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2-7B-Instruct
Опубликована
7 июн 2024

shisa-v1-qwen2-7b

Генерация текстаТекст → текст5 профессий

Диалоговая модель Shisa v1 на базе Qwen2-7B-Instruct для генерации ответов и текста.

19скачиваний за 30 дней5лайковвеса обновлены7 июн 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 v1 Qwen2 7B — диалоговая языковая модель, разработанная shisa-ai и дообученная на основе Qwen/Qwen2-7B-Instruct. Она предназначена для генерации текста в формате диалога. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM, принимает текст и выдаёт текст; указанная длина контекста — 32 768 токенов.

README сообщает о дообучении с помощью Axolotl 0.4.0 и значении loss 0,5239 на оценочном наборе, но не раскрывает состав данных, назначение и результаты оценки. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не описывает её сильные стороны или специальные ограничения.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание текстовых черновиков по запросу
  • развёртывание чат-бота на базе Qwen2

Ограничения

README не описывает обучающие данные и результаты оценки, кроме значения loss 0,5239, поэтому качество и специализацию модели по этим сведениям определить нельзя.

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

axolotl version: 0.4.0

base_model: Qwen/Qwen2-7B-Instruct

load_in_8bit: false
load_in_4bit: false
strict: false

chat_template: chatml
datasets:
  # This will be the path used for the data when it is saved to the Volume in the cloud.
  - path: augmxnt/ultra-orca-boros-en-ja-v1
    ds_type: json
    type: sharegpt
dataset_prepared_path: last_run_prepared
val_set_size: 0.05
output_dir: ./out

sequence_len: 8192
sample_packing: true
pad_to_sequence_len: true

neftune_noise_alpha: 5

use_wandb: true
wandb_project: shisa-v2
wandb_entity: augmxnt
wandb_name: shisa-v1-qwen2-7b

gradient_accumulation_steps: 8
micro_batch_size: 1
num_epochs: 3
optimizer: paged_adamw_8bit
lr_scheduler: linear
learning_rate: 8e-6

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

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_steps: 100
eval_per_epoch: 2 
eval_table_size:
saves_per_epoch: 0
save_steps:
debug:
deepspeed: /workspace/axolotl/deepspeed_configs/zero3_bf16.json
weight_decay: 0.01
fsdp:
fsdp_config:
special_tokens:
  pad_token: <|endoftext|>

out

This model is a fine-tuned version of Qwen/Qwen2-7B-Instruct on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5239

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: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • total_eval_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.82761.01963190.5273
0.65772.01646370.5103
0.58082.95419360.5239

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.2.2+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
Qwen2ForCausalLM
Ревизия весов
77187c9

0 моделей