/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
11 янв 2025

Llama3.1-8B-relu-stage-1-fineweb-edu-45B-4096

Генерация текстаТекст → текст3 профессии

Дообученная Skymizer текстовая модель Llama 3.1 на 7,5 млрд параметров для генерации текста и дальнейших экспериментов.

14скачиваний за 30 дней0лайковвеса обновлены14 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 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

Это плотная авторегрессионная модель генерации текста семейства Llama 3.1 с 7,5 млрд параметров, созданная Skymizer дообучением meta-llama/Llama-3.1-8B с помощью Axolotl 0.5.2. В названии указаны ReLU, этап обучения на FineWeb-Edu объёмом 45B токенов и длина последовательности 4096; README не раскрывает конфигурацию, поэтому эти детали нельзя подтвердить независимо.

Модель предназначена для генерации текста и может использоваться как базовая точка для экспериментов или дальнейшей адаптации. Метаданные указывают на контекстное окно 131072 токена, однако README не описывает проверенные сценарии применения, поддержку языков или результаты оценки помимо loss 1.9682. Лицензия — Llama 3.1; перед использованием следует соблюдать её условия.

Сценарии применения

  • генерация продолжений текста
  • создание черновиков и кратких текстовых ответов
  • эксперименты с языковой моделью Llama 3.1
  • дальнейшая адаптация базовой модели под прикладную задачу

Ограничения

README почти не содержит сведений о назначении, данных обучения и ограничениях; указан только результат loss 1.9682 без подробностей об оценке. Языковая поддержка и качество в конкретных сценариях не описаны.

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

axolotl version: 0.5.2

base_model: meta-llama/Llama-3.1-8B
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer
tokenizer_use_fast: false
resize_token_embeddings_to_32x: false

flash_attention: true
xformers_attention:

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: skymizer/Llama3.1-8B-base-tokenized-fineweb-edu-45B-4096
    train_on_split: train
    type: completion

test_datasets:
  - path: skymizer/Llama3.1-8B-base-tokenized-fineweb-edu-test-4K
    split: test
    type: completion

is_preprocess: true
skip_prepare_dataset: true

dataset_prepared_path: /mnt/home/model-team/datasets/pretokenized/Llama3.1-8B-base-tokenized-fineweb-edu-45B-4096 

hf_use_auth_token: true
output_dir: /mnt/home/model-team/models/Llama3.1-8B-v0.1-relu-stage-1-fineweb-edu-45B-4096
resume_from_checkpoint:
auto_resume_from_checkpoints: true

sequence_len: 4096
sample_packing: true
sample_packing_group_size: 100000
sample_packing_bin_size: 200
pad_to_sequence_len: true

eval_sample_packing: false
# eval_causal_lm_metrics: ["perplexity"]

wandb_project: "sparse-tuning-cpt"
wandb_entity:
wandb_watch:
wandb_name: "Llama3.1-8B-relu-stage-1-fineweb-edu-45B-4096"
wandb_log_model:

# global batch size = 2 * 8 * 8 GPUs * 8 Nodes * 4096 = 4M
gradient_accumulation_steps: 8
micro_batch_size: 2
  # eval_batch_size: 2
max_steps: 10000
optimizer: adamw_torch
learning_rate: 0.000015
lr_scheduler: cosine
cosine_min_lr_ratio: 1.0 
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.95
adam_eps: 0.000001
max_grad_norm: 1.0

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

hub_model_id: "skymizer/Llama3.1-8B-relu-stage-1-fineweb-edu-45B-4096"

save_strategy: "steps"
save_steps: 500

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1

warmup_steps: 1
eval_steps: 500
eval_table_size:
debug:
deepspeed: /root/train/axolotl/deepspeed_configs/zero3_bf16.json
fsdp:
fsdp_config:
seed: 42

special_tokens:
  pad_token: "<|end_of_text|>"

Llama3.1-8B-relu-stage-1-fineweb-edu-45B-4096

This model is a fine-tuned version of meta-llama/Llama-3.1-8B on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.9682

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: 1.5e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 64
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 1024
  • total_eval_batch_size: 128
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.95) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 2
  • training_steps: 10000

Training results

Training LossEpochStepValidation Loss
12.22320.0001112.1487
2.20250.04245002.2272
2.14540.084810002.1515
2.09910.127315002.1142
2.06040.169720002.0894
2.0580.212125002.0711
2.05820.254530002.0561
2.04740.296935002.0442
2.02680.339440002.0347
2.01730.381845002.0256
1.99410.424250002.0178
2.01130.466655002.0106
1.99490.509160002.0040
2.00770.551565001.9984
1.9860.593970001.9935
1.99020.636375001.9888
1.98990.678780001.9841
1.97290.721285001.9800
1.9710.763690001.9759
1.97840.806095001.9718
1.95530.8484100001.9682

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
d741faf

0 моделей