/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
11 янв 2024

Curie-7B-v1

Генерация текстаТекст → текст9 профессий

Польскоязычная модель Mistral на 7,1 млрд параметров для генерации текста и разработки ассистентов и NLP-решений на польском языке.

1 455скачиваний за 30 дней5лайковвеса обновлены18 фев 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

Curie-7B-v1 — польскоязычная языковая модель, разработанная Сzymon Ruciński. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров, рассчитанная на генерацию текста. Авторы адаптировали англоязычную базовую модель к польскому языку с помощью Language Adaptive Pre-training на корпусе SpeakLeash объёмом около 276 млн польских токенов, а затем дообучили её на задачах KLEJ. Контекст модели — до 32 768 токенов.

Модель предназначена для генерации польского текста и может служить основой для польскоязычных ассистентов и решений NLP; результаты KLEJ показывают близкие к сильным базовым моделям показатели на восьми из девяти задач. В README также описана низкая perplexity 3,02 среди декодерных моделей. Это исследовательская разработка, опубликованная под лицензией Apache-2.0. Карточка не приводит конкретных оценок безопасности или эксплуатационных ограничений.

Сценарии применения

  • генерация текстов на польском языке
  • создание польскоязычного чат-ассистента
  • адаптация языковой модели для польского NLP
  • подготовка классификаторов и регрессоров на базе модели
  • эксперименты с переносом языковых моделей на польский

Ограничения

Результаты на KLEJ были близки к сильным базовым моделям на восьми из девяти задач, а по задаче CBD модель показала результат 49,0, что указывает на возможность улучшения. В README обучение описано как исследовательский эксперимент; независимые сведения о безопасности и поведении при практическом развёртывании не приведены.

Для каких профессий подходит9

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

Introduction

This research demonstrates the potential of fine-tuning English Large Language Models (LLMs) for Polish text generation. By employing Language Adaptive Pre-training (LAPT) on a high-quality dataset of 3.11 GB (276 million Polish tokens) and subsequent fine-tuning on the KLEJ challenges, the Curie-7B-v1 model achieves remarkable performance. It not only generates Polish text with the lowest perplexity of 3.02 among decoder-based models but also rivals the best Polish encoder-decoder models closely, with a minimal performance gap on 8 out of 9 tasks. This was accomplished using about 2-3% of the dataset size typically required, showcasing the method's efficiency. The model is now open-source, contributing to the community's collaborative progress.

Language Adaptive Pre-training Dataset

The LAPT phase utilized the SpeakLeash dataset, a comprehensive collection of Polish texts, focusing on the highest quality extract of approximately 2 GB from the original 1TB.

Hardware and Software Stack

Experiments were conducted on a server featuring an NVIDIA RTX A6000 ADA GPU with 48GB of VRAM, AMD Epyc 7742 processor, and running Ubuntu with Pytorch 2.0 and CUDA 12.2.

The Adaptive Pre-training

The model was trained using AdamW optimizer, with specific hyperparameters aimed at optimizing performance. Training completed in one epoch, taking a total of 106 hours, demonstrating the onset of overfitting beyond this point.

Hyperparameters

  • lora_rank: 32
  • lora_dropout: 0.05
  • lora_alpha: 16
  • warmup_steps: 0.1
  • learning_rate: 2.5 x 10^-5
  • neftune_noise_alpha: 2
  • batch_size: 128
  • max_seq_len: 128

Fine-tuning for KLEJ Downstream Tasks

Curie-7B-v1 was exceptionally close to the best baseline models on 8 of 9 KLEJ tasks by using significantly less data, showcasing its efficiency and capability in handling a variety of NLP tasks in Polish.

Performance Highlights

  • NKJP-NER: 93.4
  • CDSC-E: 92.2
  • CDSC-R: 94.9
  • CBD: 49.0 (Demonstrating room for improvement)
  • PolEmo2.0-IN: 92.7
  • PolEmo2.0-OUT: 80.0
  • DYK: 76.2
  • PSC: 98.6
  • AR: 86.8

Conclusions

The Curie-7B-v1 model, through LAPT, matches foundational models on eight downstream tasks with significantly less data. Its versatility in generating Polish text and the ability to be transformed into classifiers, regressors, and AI assistants highlights the method's effectiveness. This open-source Polish LLM provides a foundation for developing efficient business solutions.

Research Paper

Work and details regarding this model are described in the reserach paper Efficient Language Adaptive Pre-training: Extending State-of-the-Art Large Language Models for Polish by Szymon Ruciński.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
06bc2b9

0 моделей