/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
13 июн 2024

Fox-1-1.6B

Генерация текстаТекст → текст6 профессий

Базовая языковая модель TensorOpera AI на 1,7 млрд параметров для генерации текста и кода и последующего дообучения.

1 131скачиваний за 30 дней33лайкавеса обновлены21 ноя 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 оценки6

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

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1371

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0174

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2766

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2634

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3307

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,355

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Fox-1-1.6B — базовая авторегрессионная языковая модель на архитектуре decoder-only Transformer семейства Llama, разработанная TensorOpera AI. Она содержит около 1,7 млрд параметров и обучена на 3 трлн токенов текста и кода с трёхэтапной учебной программой; контекст составляет 8192 токена. В модели применены Grouped Query Attention с 4 группами ключей и значений и 16 головами внимания для ускорения вывода.

Модель предназначена для генерации текста и кода, а также как отправная точка для дальнейшего дообучения под прикладные сценарии. В карточке приведены результаты оценок на тестах рассуждения, знаний и следования инструкциям. Это базовая, а не инструкционно настроенная модель, поэтому для большинства пользовательских задач потребуется дополнительное дообучение или другая настройка. Репозиторий содержит веса Safetensors; лицензия — Apache 2.0.

Сценарии применения

  • генерация продолжений текста
  • генерация фрагментов кода
  • дообучение языковой модели под специализированные задачи

Ограничения

Это базовая предварительно обученная модель, поэтому для большинства сценариев требуется дополнительное дообучение; готовое следование инструкциям не заявлено. В карточке приведены отдельные результаты бенчмарков, которые не гарантируют качество в конкретном приложении.

Для каких профессий подходит6

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

Model Card for Fox-1-1.6B

[!IMPORTANT]
This model is a base pretrained model which requires further finetuning for most use cases. For a more interactive experience, we recommend tensoropera/Fox-1-1.6B-Instruct-v0.1, the instruction-tuned version of Fox-1.

Fox-1 is a decoder-only transformer-based small language model (SLM) with 1.6B total parameters developed by TensorOpera AI. The model was trained with a 3-stage data curriculum on 3 trillion tokens of text and code data in 8K sequence length. Fox-1 uses Grouped Query Attention (GQA) with 4 key-value heads and 16 attention heads for faster inference.

For the full details of this model please read Fox-1 technical report and release blog post.

Benchmarks

We evaluated Fox-1 on ARC Challenge (25-shot), HellaSwag (10-shot), TruthfulQA (0-shot), MMLU (5-shot), Winogrande (5-shot), and GSM8k (5-shot). We follow the Open LLM Leaderboard's evaluation setup and report the average score of the 6 benchmarks. The model was evaluated on a machine with 8*H100 GPUs.

Fox-1-1.6BQwen-1.5-1.8BGemma-2BStableLM-2-1.6BOpenELM-1.1B
GSM8k36.39%34.04%17.06%17.74%2.27%
MMLU43.05%47.15%41.71%39.16%27.28%
ARC Challenge41.21%37.20%49.23%44.11%36.26%
HellaSwag62.82%61.55%71.60%70.46%65.23%
TruthfulQA38.66%39.37%33.05%38.77%36.98%
Winogrande60.62%65.51%65.51%65.27%61.64%
Average47.13%46.81%46.36%45.92%38.28%

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.7.69
IFEval (0-Shot)27.66
BBH (3-Shot)7.40
MATH Lvl 5 (4-Shot)1.28
GPQA (0-shot)1.79
MuSR (0-shot)3.87
MMLU-PRO (5-shot)4.13

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
d13ba2d

0 моделей