/ Модель

Характеристики

Контекст
8 192 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Библиотека
transformers
Опубликована
14 июн 2024

Llama-3-Swallow-70B-v0.1

Генерация текстаТекст → текст15 профессий

Японско-английская языковая модель на базе Llama 3 для генерации текста, ответов на вопросы, перевода, суммаризации и других языковых задач.

129скачиваний за 30 дней6лайковвеса обновлены8 окт 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

Llama-3-Swallow-70B-v0.1 — плотная авторегрессионная языковая модель семейства Llama 3, разработанная командой Swallow-LLM из Токийского технологического института и AIST. Модель на 69,5 млрд параметров прошла дополнительное непрерывное предобучение на корпусах с преимущественно японскими данными; базовая архитектура — LlamaForCausalLM. Выпущена в июне 2024 года и распространяется в формате safetensors через Transformers.

Модель предназначена для генерации текста на японском и английском языках. Её можно применять для ответов на вопросы, чтения и понимания текста, суммаризации, перевода между японским и английским, математических рассуждений и генерации кода. В README приведены результаты оценки на японских и англоязычных наборах задач; указанное родное контекстное окно — 8192 токена.

Это базовая, не Instruct-версия: она не настроена на следование человеческим инструкциям и требованиям безопасности. Авторы предупреждают, что модель находится на ранней стадии исследований и разработки. Лицензия — Llama 3; перед использованием следует соблюдать её условия.

Сценарии применения

  • генерация текста на японском и английском языках
  • ответы на вопросы по тексту
  • суммаризация японских и английских материалов
  • перевод между японским и английским языками
  • математические рассуждения на естественном языке
  • генерация кода

Ограничения

Базовая версия не настроена на следование инструкциям и требованиям безопасности, поэтому ответы могут не соответствовать намерениям пользователя. Авторы характеризуют модель как находящуюся на ранней стадии разработки.

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

Llama3 Swallow - Built with Meta Llama 3

Our Swallow model has undergone continual pre-training from the Llama 3 family, primarily with the addition of Japanese language data. The Instruct versions use supervised fine-tuning (SFT) and Chat Vector. Links to other models can be found in the index.

Model Release Updates

We are excited to share the release schedule for our latest models:

Swallow Model Index

ModelLlama-3-SwallowLlama3 Swallow Instruct
8BLinkLink
70BLinkLink

logo

This repository provides large language models developed by Swallow-LLM. Read our blog post.

Model Details

  • Model type: Please refer to Llama 3 MODEL_CARD for details on the model architecture.
  • Language(s): Japanese English
  • Library: Megatron-LM
  • Tokenizer: Please refer to Llama 3 blog for details on the tokenizer.
  • Contact: swallow[at]nlp.c.titech.ac.jp

Model Performance

Japanese tasks

ModelSizeJCom.JEMHopQANIILCJSQuADXL-SumMGSMWMT20-en-jaWMT20-ja-enJMMLUJHumanEvalJa Avg
4-shot4-shot4-shot4-shot1-shot4-shot4-shot4-shot5-shot0-shot
EM accChar-F1Char-F1Char-F1ROUGE-2EM accBLEUBLEUEM accpass@1
Llama-2-70b70B0.86510.51570.54640.91300.23720.36400.26570.24020.54960.28410.4781
Swallow-70b-hf70B0.91780.61780.69100.92080.22790.47200.30460.23010.57500.22620.5183
Qwen2-72B72B0.96070.63990.56170.92610.23620.75600.27470.24190.78310.55670.5937
Meta-Llama-3-70B70B0.94730.60420.59650.92070.22540.67200.28550.25260.69750.47990.5682
Llama-3-Swallow-70B-v0.170B0.97140.66950.68810.92180.24040.70800.30720.25480.70490.46830.5934

English tasks

ModelSizeOpenBookQATriviaQAHellaSWAGSQuAD2.0XWINOMMLUGSM8KBBHHumanEvalEn Avg
4-shot4-shot4-shot4-shot4-shot5-shot4-shot3-shot0-shot
AccEM accAccEM accAccAccEM accCoT EM Accpass@1
Llama-2-70b70B0.42600.79880.66810.33790.92560.68760.54660.66430.31520.5967
Swallow-70b-hf70B0.41600.76100.64330.33450.91910.65710.50800.65370.24090.5704
Qwen2-72B72B0.41600.78900.67660.40520.91610.84280.89080.63880.60490.6867
Meta-Llama-3-70B70B0.43600.82630.69090.40710.92130.78700.80140.82660.51770.6905
Llama-3-Swallow-70B-v0.170B0.42400.82310.68280.40590.92340.77450.81430.73520.49090.6749

Evaluation Benchmarks

Japanese evaluation benchmarks

We used llm-jp-eval(v1.3.0), JP Language Model Evaluation Harness(commit #9b42d41) and Code Generation LM Evaluation Harness(commit #0261c52). The details are as follows:

  • Multiple-choice question answering (JCommonsenseQA [Kurihara et al., 2022])
  • Open-ended question answering (JEMHopQA [Ishii et al., 2024])
  • Open-ended question answering (NIILC [関根, 2003])
  • Machine reading comprehension (JSQuAD [Kurihara et al., 2022])
  • Automatic summarization (XL-Sum [Hasan et al., 2021])
  • Machine translation (WMT2020 ja-en [Barrault et al., 2020])
  • Machine translation (WMT2020 en-ja [Barrault et al., 2020])
  • Mathematical reasoning (MGSM [Shi et al., 2023])
  • Academic exams (JMMLU [尹ら, 2024])
  • Code generation (JHumanEval [佐藤ら, 2024])

English evaluation benchmarks

We used the Language Model Evaluation Harness(v.0.4.2) and Code Generation LM Evaluation Harness(commit #0261c52). The details are as follows:

  • Multiple-choice question answering (OpenBookQA [Mihaylov et al., 2018])
  • Open-ended question answering (TriviaQA [Joshi et al., 2017])
  • Machine reading comprehension (SQuAD2 [Rajpurkar et al., 2018])
  • Commonsense reasoning (XWINO [Tikhonov and Ryabinin, 2021])
  • Natural language inference (HellaSwag [Zellers et al., 2019])
  • Mathematical reasoning (GSM8K [Cobbe et al., 2021])
  • Reasoning (BBH (BIG-Bench-Hard) [Suzgun et al., 2023])
  • Academic exams (MMLU [Hendrycks et al., 2021])
  • Code generation (HumanEval [Chen et al., 2021])

Training Datasets

Continual Pre-Training

The following datasets were used for continual pre-training.

Risks and Limitations

The models released here are still in the early stages of our research and development and have not been tuned to ensure outputs align with human intent and safety considerations.

Acknowledgements

We thank Meta Research for releasing Llama 3 under an open license for others to build on.

Our project is supported by the Large Generative AI Development Support Program of the National Institute of Advanced Industrial Science and Technology.

License

META LLAMA 3 COMMUNITY LICENSE

Authors

Here are the team members:

How to cite

If you find our work helpful, please feel free to cite us.

@inproceedings{Fujii:COLM2024,
   title={Continual Pre-Training for Cross-Lingual LLM Adaptation:
Enhancing Japanese Language Capabilities},
   author={Kazuki Fujii and Taishi Nakamura and Mengsay Loem and Hiroki
Iida and Masanari Ohi and Kakeru Hattori and Hirai Shota and Sakae
Mizuki and Rio Yokota and Naoaki Okazaki},
   booktitle="Proceedings of the First Conference on Language Modeling",
   series={COLM},
   pages="(to appear)",
   year="2024",
   month=oct,
   address={University of Pennsylvania, USA},
}

@inproceedings{Okazaki:COLM2024,
   title={Building a Large Japanese Web Corpus for Large Language Models},
   author={Naoaki Okazaki and Kakeru Hattori and Hirai Shota and Hiroki
Iida and Masanari Ohi and Kazuki Fujii and Taishi Nakamura and Mengsay
Loem and Rio Yokota and Sakae Mizuki},
   booktitle="Proceedings of the First Conference on Language Modeling",
   series={COLM},
   pages="(to appear)",
   year="2024",
   month=oct,
   address={University of Pennsylvania, USA},
}

Citations

@article{llama3modelcard,
    title={Llama 3 Model Card},
    author={AI@Meta},
    year={2024},
    url = {https://github.com/meta-llama/llama3/blob/main/MODEL_CARD.md}
}

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
3518996

0 моделей