/ 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
19 янв 2025

Llama3.1-8B-relu-stage-2-dolma-v1_7-50B-4096

Генерация текстаТекст → текст3 профессии

Дообученная на базе Llama 3.1 8B текстовая модель для генерации текста с контекстом до 131 072 токенов.

12скачиваний за 30 дней0лайковвеса обновлены21 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

Llama3.1-8B-relu-stage-2-dolma-v1_7-50B-4096 — дообученная текстовая модель на архитектуре LlamaForCausalLM, созданная на основе meta-llama/Llama-3.1-8B. В метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов; модель распространяется в формате safetensors и использует библиотеку Transformers.

Модель предназначена для генерации текста. Название указывает на этап обучения с данными Dolma v1.7 объёмом 50 млрд токенов и длиной последовательности 4096, однако README не раскрывает датасет, методику обучения или конкретные сценарии применения. На оценочном наборе указано значение loss 2,4342.

Лицензия — Llama 3.1; применение регулируется условиями лицензии Meta Llama 3.1. README не приводит сведений о качестве в прикладных задачах и известных ограничениях.

Сценарии применения

  • генерация продолжений текста
  • создание черновиков и ответов на текстовые запросы
  • эксперименты с дообучением моделей семейства Llama

Ограничения

README не раскрывает состав обучающих данных и сообщает только loss 2,4342 на оценочном наборе; прикладные качества и ограничения 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-base-tokenized-dolma-v1_7-50B
    train_on_split: train
    type: completion

test_datasets:
  - path: skymizer/Llama3.1-tokenized-dolma-v1_7-test
    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-dolma-v1_7_50B-4096 

hf_use_auth_token: true
output_dir: /mnt/home/model-team/models/Llama3.1-8B-relu-stage-2-dolma-50B-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-dolma-50B-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
num_epochs: 1
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-2-dolma-v1_7-50B-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-2-dolma-v1_7-50B-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: 2.4342

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
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
14.23480.0001114.2931
2.92960.04145003.0717
2.62090.082910002.7409
2.49450.124315002.6571
2.53140.165720002.6148
2.44940.207225002.5855
2.42570.248630002.5569
2.43460.290135002.5402
2.42430.331540002.5284
2.36990.372945002.5134
2.40720.414450002.5064
2.40640.455855002.4953
2.36830.497260002.4950
2.38110.538765002.4804
2.34940.580170002.4734
2.34440.621575002.4663
2.35780.663080002.4626
2.3440.704485002.4557
2.32840.745890002.4529
2.30860.787395002.4488
2.3210.8287100002.4443
2.33390.8702105002.4409
2.32360.9116110002.4391
2.34040.9530115002.4387
2.31030.9945120002.4342

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
aa9e452

0 моделей