/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-2-7b-hf
Опубликована
14 сен 2023

OpenHermes-7B

Генерация текстаТекст → текст14 профессий

OpenHermes 7B — англоязычная модель на базе Llama 2 для выполнения инструкций, диалогов, ролевых сценариев и генерации кода.

62скачиваний за 30 дней14лайковвеса 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.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2693

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1813

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0159

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1933

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,362

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4324

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OpenHermes 7B — англоязычная модель для генерации текста, разработанная Teknium и дообученная на базе NousResearch/Llama-2-7b-hf. Она предназначена для выполнения инструкций, диалогов, ролевых сценариев, ответов на общие вопросы и задач по программированию. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и принимает контекст до 4096 токенов.

При обучении использовался набор из 242 тысяч примеров, преимущественно сгенерированных GPT-4 и собранных из открытых наборов данных, включая инструкции общего назначения, ролевые диалоги и примеры по программированию. Обучение применяло упаковку примеров для ускорения процесса. Репозиторий распространяется в формате PyTorch по лицензии MIT. Карточка приводит результаты нескольких тестов, но они сами по себе не гарантируют качество ответов в конкретных сценариях.

Сценарии применения

  • ответы на вопросы и выполнение текстовых инструкций
  • создание диалогового помощника на английском языке
  • генерация ролевых диалогов и сценариев
  • написание и объяснение программного кода
  • генерация текстов общего назначения

Ограничения

Контекст ограничен 4096 токенами. Примеры обучения преимущественно синтетические и на английском языке; опубликованные бенчмарки не гарантируют точность для конкретных запросов.

Для каких профессий подходит14

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-7B

image/png

Model description

OpenHermes 7B is the first fine tune of the Hermes dataset that has a fully open source dataset!

What is unique about this 7B model is that it used sample packing, which speeds up training by many multiples if the dataset token averages arent near the max sequence length.

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-qlora-7b-packed

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!

Benchmark Information

Benchmark Results

GPT-4All Benchmark Set

|    Task     |Version| Metric |Value |   |Stderr|
|-------------|------:|--------|-----:|---|-----:|
|arc_challenge|      0|acc     |0.4727|±  |0.0146|
|             |       |acc_norm|0.4957|±  |0.0146|
|arc_easy     |      0|acc     |0.7862|±  |0.0084|
|             |       |acc_norm|0.7643|±  |0.0087|
|boolq        |      1|acc     |0.7801|±  |0.0072|
|hellaswag    |      0|acc     |0.5789|±  |0.0049|
|             |       |acc_norm|0.7654|±  |0.0042|
|openbookqa   |      0|acc     |0.3480|±  |0.0213|
|             |       |acc_norm|0.4500|±  |0.0223|
|piqa         |      0|acc     |0.7867|±  |0.0096|
|             |       |acc_norm|0.7938|±  |0.0094|
|winogrande   |      0|acc     |0.7048|±  |0.0128|

Average: 0.679

BigBench:

|                      Task                      |Version|       Metric        |Value |   |Stderr|
|------------------------------------------------|------:|---------------------|-----:|---|-----:|
|bigbench_causal_judgement                       |      0|multiple_choice_grade|0.5000|±  |0.0364|
|bigbench_date_understanding                     |      0|multiple_choice_grade|0.5908|±  |0.0256|
|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|0.2520|±  |0.0194|
|bigbench_logical_deduction_seven_objects        |      0|multiple_choice_grade|0.1871|±  |0.0148|
|bigbench_logical_deduction_three_objects        |      0|multiple_choice_grade|0.3833|±  |0.0281|
|bigbench_movie_recommendation                   |      0|multiple_choice_grade|0.2500|±  |0.0194|
|bigbench_navigate                               |      0|multiple_choice_grade|0.5000|±  |0.0158|
|bigbench_reasoning_about_colored_objects        |      0|multiple_choice_grade|0.4370|±  |0.0111|
|bigbench_ruin_names                             |      0|multiple_choice_grade|0.2679|±  |0.0209|
|bigbench_salient_translation_error_detection    |      0|multiple_choice_grade|0.2495|±  |0.0137|
|bigbench_snarks                                 |      0|multiple_choice_grade|0.5249|±  |0.0372|
|bigbench_sports_understanding                   |      0|multiple_choice_grade|0.5406|±  |0.0159|
|bigbench_temporal_sequences                     |      0|multiple_choice_grade|0.2470|±  |0.0136|
|bigbench_tracking_shuffled_objects_five_objects |      0|multiple_choice_grade|0.1944|±  |0.0112|
|bigbench_tracking_shuffled_objects_seven_objects|      0|multiple_choice_grade|0.1509|±  |0.0086|
|bigbench_tracking_shuffled_objects_three_objects|      0|multiple_choice_grade|0.3833|±  |0.0281|
Average: 0.3367

AGI Eval

|             Task             |Version| Metric |Value |   |Stderr|
|------------------------------|------:|--------|-----:|---|-----:|
|agieval_aqua_rat              |      0|acc     |0.2441|±  |0.0270|
|                              |       |acc_norm|0.2402|±  |0.0269|
|agieval_logiqa_en             |      0|acc     |0.2458|±  |0.0169|
|                              |       |acc_norm|0.2965|±  |0.0179|
|agieval_lsat_ar               |      0|acc     |0.2522|±  |0.0287|
|                              |       |acc_norm|0.2130|±  |0.0271|
|agieval_lsat_lr               |      0|acc     |0.2745|±  |0.0198|
|                              |       |acc_norm|0.2686|±  |0.0196|
|agieval_lsat_rc               |      0|acc     |0.2900|±  |0.0277|
|                              |       |acc_norm|0.2379|±  |0.0260|
|agieval_sat_en                |      0|acc     |0.4466|±  |0.0347|
|                              |       |acc_norm|0.3738|±  |0.0338|
|agieval_sat_en_without_passage|      0|acc     |0.3738|±  |0.0338|
|                              |       |acc_norm|0.3301|±  |0.0328|
|agieval_sat_math              |      0|acc     |0.2318|±  |0.0285|
|                              |       |acc_norm|0.1864|±  |0.0263|
Average: 0.2683

TruthfulQA:

hf-causal-experimental (pretrained=teknium/OpenHermes-7B,dtype=float16), limit: None, provide_description: False, num_fewshot: 0, batch_size: 8
|    Task     |Version|Metric|Value |   |Stderr|
|-------------|------:|------|-----:|---|-----:|
|truthfulqa_mc|      1|mc2   |0.4542|±  |0.0148|

Training procedure

image/png

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
9f55d6e

0 моделей