/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Библиотека
transformers
Опубликована
20 мая 2024

Llama-3-Swallow-8B-v0.1

Генерация текстаТекст → текст15 профессий

Базовая языковая модель Swallow на основе Llama 3 для генерации текста и решения языковых задач на японском и английском языках.

150скачиваний за 30 дней12лайковвеса 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-8B-v0.1 — плотная причинная языковая модель семейства Llama 3, разработанная командой Swallow-LLM из Токийского технологического института и AIST. Модель размером 7,5 млрд параметров создана продолжительным предварительным обучением модели семейства Llama 3 с добавлением японских данных; это базовая, не Instruct-версия. Репозиторий использует формат safetensors, а метаданные указывают на Transformers и контекст до 8192 токенов.

Модель предназначена для генерации текста на японском и английском языках, включая ответы на вопросы, понимание прочитанного, суммаризацию, перевод, математические рассуждения и генерацию кода. В README приведены результаты оценки на японских и английских бенчмарках, в том числе задачах перевода, экзаменационных вопросах и программировании.

Авторы отмечают, что модель находится на раннем этапе разработки и не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 3 (llama3); перед использованием следует соблюдать её условия.

Сценарии применения

  • ответы на вопросы на японском и английском языках
  • суммаризация японских и английских текстов
  • перевод между японским и английским языками
  • математические рассуждения и решение задач
  • генерация кода

Ограничения

Модель не настроена на следование человеческим намерениям и требованиям безопасности; авторы характеризуют её как находящуюся на раннем этапе разработки. Это базовая версия без инструкционного дообучения.

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-2-7b7B0.26180.49140.33010.80010.17420.05600.17640.17420.28240.12500.2872
Swallow-7b-hf7B0.48880.50440.59250.84240.18230.12400.25050.14820.32190.01830.3473
Mistral-7B-v0.17B0.74710.44820.26910.85880.20260.18800.14300.17380.42130.25980.3712
Swallow-MS-7b-v0.17B0.87580.51530.56470.87620.19930.24000.25070.16670.45270.23350.4375
Qwen2-7B7B0.87760.46270.37660.89840.17160.54800.20800.19490.58710.41830.4805
Meta-Llama-3-8B8B0.83560.44540.40020.88810.17570.33200.21990.20870.45580.33110.4292
llama-3-youko-8b8B0.86600.49020.51550.89470.21270.28400.27400.21800.44930.21830.4423
Llama-3-Swallow-8B-v0.18B0.89450.48480.56400.89470.19810.42400.27580.22230.46990.28900.4717

English tasks

ModelSizeOpenBookQATriviaQAHellaSWAGSQuAD2.0XWINOMMLUGSM8KBBHHumanEvalEn Avg
4-shot4-shot4-shot4-shot4-shot5-shot4-shot3-shot0-shot
AccEM accAccEM accAccAccEM accCoT EM Accpass@1
Llama-2-7b7B0.37200.63850.58260.29110.90450.45900.12660.39930.13540.4343
Swallow-7b-hf7B0.30800.49210.52690.26080.88470.39180.09630.35310.04020.3727
Mistral-7B-v0.17B0.37400.70300.62600.33810.90670.62360.38510.55970.28410.5334
Swallow-MS-7b-v0.17B0.34800.59950.57980.30110.90150.54860.26690.49160.27320.4789
Qwen2-7B7B0.37400.61050.60060.36230.89160.70450.77480.53250.46220.5903
Meta-Llama-3-8B8B0.37600.71090.61240.33560.90320.65090.49360.62110.37930.5648
llama-3-youko-8b8B0.35000.62520.58850.32470.89590.59930.35710.57040.27930.5100
Llama-3-Swallow-8B-v0.18B0.35200.65630.59010.35070.90060.61520.48750.59360.33230.5420

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

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e62e709

0 моделей