/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-2-13b-hf
Опубликована
6 сен 2023

OpenHermes-13B

Генерация текстаТекст → текст15 профессий

Англоязычная 13-миллиардная модель Llama 2, дообученная OpenHermes для ответов на инструкции, диалога и генерации текста.

1 699скачиваний за 30 дней57лайковвеса обновлены24 сен 2023

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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4206

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2668

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0121

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2389

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2727

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4043

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OpenHermes-13B — англоязычная модель генерации текста, разработанная Teknium и дообученная на базе NousResearch/Llama-2-13b-hf. Она обучалась следовать инструкциям на наборе из примерно 242 тысяч примеров, преимущественно созданных GPT-4 и собранных из открытых датасетов; примеры охватывают общие запросы, ролевые диалоги и программирование. Модель имеет плотную архитектуру LlamaForCausalLM, около 12,9 млрд параметров и контекст до 4096 токенов.

Модель предназначена для ответов на инструкции, диалоговой генерации и помощи с задачами на естественном языке и кодом. В опубликованном сравнении OpenHermes немного улучшила результаты Nous-Hermes на GPT4All и BigBench, но показала снижение на AGIEval, поэтому качество зависит от типа задачи. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • ответы на инструкции на английском языке
  • генерация диалоговых ответов
  • ролевая беседа с языковой моделью
  • помощь в написании и объяснении кода
  • генерация текстовых ответов на общие вопросы

Ограничения

В сравнении из карточки модель немного уступала Nous-Hermes на AGIEval, несмотря на небольшие улучшения на GPT4All и BigBench. Контекст ограничен 4096 токенами.

Для каких профессий подходит15

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

OpenHermes-13B

image/png

Model description

OpenHermes 13B is the first fine tune of the Hermes dataset that has a fully open source dataset!

OpenHermes was trained on 242,000 entries of primarily GPT-4 generated data, from open datasets across the AI landscape, including:

  • GPTeacher - General Instruct, Roleplay v1, Roleplay v2, and Code Instruct Datasets, by Teknium
  • WizardLM (v1, evol_instruct 70k), by WizardLM Team/nlpxucan
  • Airoboros GPT-4 (v1.0), by JonDurbin
  • Camel-AI's domain expert datasets, by the Camel-AI Team
  • CodeAlpaca, by Sahil2801
  • GPT4-LLM and Unnatural Instructions, by Microsoft

Filtering included removal of OpenAI refusals, disclaimers, and "As an AI" type examples and more

The base dataset mix the model was trained on is identical to Nous-Hermes', minus the Nous-Instruct and PDACTL datasets which were private datasets.

The WANDB Project is public and can be examined at this link: https://wandb.ai/teknium1/openhermes/runs/openhermes-v2-fullft-13b

Huge thank you to main_horse for compute access and a16z for sponsoring my work, and all the dataset creators and other people who's work has contributed to this project!

Example Outputs

image/png

image/png

image/png

image/png

Benchmark Information

Benchmark Results

GPT-4All Benchmark Set

|    Task     |Version| Metric |Value |   |Stderr|
|-------------|------:|--------|-----:|---|-----:|
|arc_challenge|      0|acc     |0.5009|±  |0.0146|
|             |       |acc_norm|0.5247|±  |0.0146|
|arc_easy     |      0|acc     |0.8127|±  |0.0080|
|             |       |acc_norm|0.7854|±  |0.0084|
|boolq        |      1|acc     |0.8153|±  |0.0068|
|hellaswag    |      0|acc     |0.6126|±  |0.0049|
|             |       |acc_norm|0.7995|±  |0.0040|
|openbookqa   |      0|acc     |0.3660|±  |0.0216|
|             |       |acc_norm|0.4600|±  |0.0223|
|piqa         |      0|acc     |0.7922|±  |0.0095|
|             |       |acc_norm|0.8112|±  |0.0091|
|winogrande   |      0|acc     |0.7293|±  |0.0125|
Average: 0.7036

AGI-Eval

|             Task             |Version| Metric |Value |   |Stderr|
|------------------------------|------:|--------|-----:|---|-----:|
|agieval_aqua_rat              |      0|acc     |0.2008|±  |0.0252|
|                              |       |acc_norm|0.2126|±  |0.0257|
|agieval_logiqa_en             |      0|acc     |0.3410|±  |0.0186|
|                              |       |acc_norm|0.3564|±  |0.0188|
|agieval_lsat_ar               |      0|acc     |0.2261|±  |0.0276|
|                              |       |acc_norm|0.2174|±  |0.0273|
|agieval_lsat_lr               |      0|acc     |0.3725|±  |0.0214|
|                              |       |acc_norm|0.3373|±  |0.0210|
|agieval_lsat_rc               |      0|acc     |0.4684|±  |0.0305|
|                              |       |acc_norm|0.4572|±  |0.0304|
|agieval_sat_en                |      0|acc     |0.6553|±  |0.0332|
|                              |       |acc_norm|0.5971|±  |0.0343|
|agieval_sat_en_without_passage|      0|acc     |0.4515|±  |0.0348|
|                              |       |acc_norm|0.4029|±  |0.0343|
|agieval_sat_math              |      0|acc     |0.3273|±  |0.0317|
|                              |       |acc_norm|0.2636|±  |0.0298|
Average: 0.3556

BigBench Reasoning Test

|                      Task                      |Version|       Metric        |Value |   |Stderr|
|------------------------------------------------|------:|---------------------|-----:|---|-----:|
|bigbench_causal_judgement                       |      0|multiple_choice_grade|0.5368|±  |0.0363|
|bigbench_date_understanding                     |      0|multiple_choice_grade|0.7127|±  |0.0236|
|bigbench_disambiguation_qa                      |      0|multiple_choice_grade|0.3023|±  |0.0286|
|bigbench_geometric_shapes                       |      0|multiple_choice_grade|0.1003|±  |0.0159|
|                                                |       |exact_str_match      |0.0000|±  |0.0000|
|bigbench_logical_deduction_five_objects         |      0|multiple_choice_grade|0.2720|±  |0.0199|
|bigbench_logical_deduction_seven_objects        |      0|multiple_choice_grade|0.1986|±  |0.0151|
|bigbench_logical_deduction_three_objects        |      0|multiple_choice_grade|0.4500|±  |0.0288|
|bigbench_movie_recommendation                   |      0|multiple_choice_grade|0.2880|±  |0.0203|
|bigbench_navigate                               |      0|multiple_choice_grade|0.5000|±  |0.0158|
|bigbench_reasoning_about_colored_objects        |      0|multiple_choice_grade|0.5390|±  |0.0111|
|bigbench_ruin_names                             |      0|multiple_choice_grade|0.3906|±  |0.0231|
|bigbench_salient_translation_error_detection    |      0|multiple_choice_grade|0.1844|±  |0.0123|
|bigbench_snarks                                 |      0|multiple_choice_grade|0.5249|±  |0.0372|
|bigbench_sports_understanding                   |      0|multiple_choice_grade|0.5335|±  |0.0159|
|bigbench_temporal_sequences                     |      0|multiple_choice_grade|0.2980|±  |0.0145|
|bigbench_tracking_shuffled_objects_five_objects |      0|multiple_choice_grade|0.2048|±  |0.0114|
|bigbench_tracking_shuffled_objects_seven_objects|      0|multiple_choice_grade|0.1297|±  |0.0080|
|bigbench_tracking_shuffled_objects_three_objects|      0|multiple_choice_grade|0.4500|±  |0.0288|
Average: 36.75

This is a slight improvement on GPT4ALL Suite and BigBench Suite, with a degredation in AGIEval compared to the original hermes.

Average Score Comparison between Nous-Hermes Llama-2 and OpenHermes Llama-2:

|             Bench            | Nous-Hermes | OpenHermes | Change |
|------------------------------|------------:|------------|--------|
|GPT4All                       |        70.00|       70.36|   +0.36|
|------------------------------------------------------------------|
|BigBench                      |        36.57|       36.75|   +0.18|
|------------------------------------------------------------------|
|AGI Eval                      |        37.20|       35.56|   -1.64|

Training procedure

image/png

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 300
  • num_epochs: 3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
bcad6ff

0 моделей