/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7,2 млрд
Размер весов
14,7 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
1 фев 2024

Swallow-MS-7b-v0.1

Генерация текстаТекст → текст12 профессий

Японско-английская языковая модель TokyoTech-LLM на базе Mistral для генерации текста, перевода, ответов на вопросы и других языковых задач.

188скачиваний за 30 дней29лайковвеса обновлены17 авг 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

Swallow-MS-7b-v0.1 — языковая модель TokyoTech-LLM на основе Mistral-7B-v0.1, дообученная на продолжение предобучения с добавлением преимущественно японских данных. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 4096 токенов. Расширенный японский словарь токенизатора позволяет компактнее представлять японский текст и ускорять инференс.

Модель предназначена для генерации текста на японском и английском языках и может применяться для вопросов и ответов, чтения и понимания текста, суммаризации, перевода, математических рассуждений и генерации кода. README приводит результаты оценки на японских и английских бенчмарках, включая задачи перевода между японским и английским.

Разработчики отмечают, что модель находится на раннем этапе исследований и разработки и не настроена для надёжного следования человеческим намерениям или требованиям безопасности. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста на японском и английском языках
  • ответы на вопросы по японским и английским текстам
  • суммаризация японских документов
  • перевод между японским и английским языками
  • генерация кода по текстовому описанию

Ограничения

Модель не настроена для надёжного следования человеческим намерениям и требованиям безопасности. README характеризует её как находящуюся на раннем этапе исследований и разработки.

Для каких профессий подходит12

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

Swallow-MS-7b-v0.1

Our Swallow-MS-7b-v0.1 model has undergone continual pre-training from the Mistral-7B-v0.1, primarily with the addition of Japanese language data.

Model Release Updates

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

This repository provides large language models developed by TokyoTech-LLM.

Model Details

  • Model type: Please refer to Mistral technical report for details on the model architecture.
  • Language(s): Japanese English
  • Tokenizer: This model employs a tokenizer that features a broadened vocabulary based on Japanese data. This allows for a more efficient representation of text using fewer tokens, leading to a notably faster inference process.
  • Contact: swallow[at]nlp.c.titech.ac.jp

Base Model Performance

Japanese tasks

ModelSizeJCommonsenseQAJEMHopQANIILCJSQuADXL-SumMGSMWMT20-en-jaWMT20-ja-enAverage
4-shot4-shot4-shot4-shot1-shot4-shot4-shot4-shot
CyberAgentLM2-7B7B0.21980.50470.50660.77990.02330.06000.23450.14990.3098
Llama 27B0.38520.42400.34100.79170.19050.07600.17830.17380.3201
japanese-stablelm-base-beta-7b7B0.36100.44780.44320.83180.21950.07200.19460.12260.3366
japanese-stablelm-base-ja_vocab-beta-7b7B0.21720.44820.43090.82020.07570.05200.16010.14530.2937
ELYZA-japanese-Llama-2-7b7B0.57910.47030.40190.82260.13120.06000.17950.12890.3467
ELYZA-japanese-Llama-2-7b-fast7B0.53080.43300.38980.81310.12890.07200.16780.11430.3312
youri-7b (base)7B0.46200.47760.49990.85060.19570.06400.26710.19710.3768
Swallow-7b7B0.48080.50780.59680.85730.18300.12400.25100.15110.3940
Swallow-7b-plus7B0.54780.54930.60300.85440.18060.13600.25680.14410.4090
Qwen-7B7B0.77120.42340.23760.85940.13710.21600.16890.18010.3742
nekomata-7b7B0.74170.49280.50220.87070.16760.12400.26730.18150.4185
Mistral-7B-v0.17B0.73010.42450.27220.85630.20060.17600.14050.17330.3717
japanese-stablelm-base-gamma-7b7B0.73640.46430.55680.89100.22930.16800.23900.15610.4301
Swallow-MS-7b-v0.17B0.85700.49150.55190.88020.19880.22400.24940.16670.4524

English tasks

ModelSizeOpenBookQATriviaQAHellaSwagSQuAD2.0XWINOGSM8KAverage
8-shot8-shot8-shot8-shot8-shot8-shot
CyberAgentLM2-7B7B0.28600.34960.50030.35100.85810.07050.4026
Llama 27B0.35800.62650.58600.32070.90490.14100.4895
japanese-stablelm-base-beta-7b7B0.36200.59030.57070.29920.89940.11980.4736
japanese-stablelm-base-ja_vocab-beta-7b7B0.35200.55490.56440.30790.89420.05380.4545
ELYZA-japanese-Llama-2-7b7B0.34000.58750.55950.27210.89890.16380.4703
ELYZA-japanese-Llama-2-7b-fast7B0.32800.58170.55300.26050.89890.14250.4608
youri-7b (base)7B0.34000.52570.55400.32970.89380.09630.4566
Swallow-7b7B0.31800.48360.53080.31250.88170.11300.4399
Swallow-7b-plus7B0.32800.45580.52590.31340.89290.10610.4370
Qwen-7B7B0.36400.56950.57870.37990.89330.46170.5412
nekomata-7b7B0.33400.43710.53400.29330.87660.15310.4380
Mistral-7B-v0.17B0.36600.70500.62640.37990.91570.35330.5577
japanese-stablelm-base-gamma-7b7B0.32400.57450.57390.35460.89760.19110.4860
Swallow-MS-7b-v0.17B0.34400.59760.58100.33640.90370.26230.5042

Code generation tasks

ModelSizeJHumanEvalHumanEval
pass@1pass@1
CyberAgentLM2-7B7B0.06340.0756
Llama 27B0.11520.1378
japanese-stablelm-base-beta-7b7B0.10180.1280
japanese-stablelm-base-ja_vocab-beta-7b7B0.08960.1122
ELYZA-japanese-Llama-2-7b7B0.02870.0427
ELYZA-japanese-Llama-2-7b-fast7B0.00000.0037
youri-7b (base)7B0.08290.0982
Swallow-7b7B0.01830.0183
Swallow-7b-plus7B0.00610.0037
Qwen-7B7B0.17010.1805
nekomata-7b7B0.09880.1402
Mistral-7B-v0.17B0.25550.2933
japanese-stablelm-base-gamma-7b7B0.18230.1915
Swallow-MS-7b-v0.17B0.23050.2768

Evaluation Benchmarks

Japanese evaluation benchmarks

We used llm-jp-eval(v1.0.0) and JP Language Model Evaluation Harness(commit #9b42d41). The details are as follows:

  • Multiple-choice question answering (JCommonsenseQA [Kurihara+, 2022])
  • Open-ended question answering (JEMHopQA [Ishii+, 2023])
  • Open-ended question answering (NIILC [Sekine, 2003])
  • Machine reading comprehension (JSQuAD [Kurihara+, 2022])
  • Automatic summarization (XL-Sum [Hasan+, 2021])
  • Machine translation (WMT2020 ja-en [Barrault+, 2020])
  • Machine translation (WMT2020 en-ja [Barrault+, 2020])
  • Mathematical reasoning (MGSM [Shi+, 2023])

English evaluation benchmarks

We used the Language Model Evaluation Harness(v.0.3.0). The details are as follows:

  • Multiple-choice question answering (OpenBookQA [Mihaylov+, 2018])
  • Open-ended question answering (TriviaQA [Joshi+, 2017])
  • Machine reading comprehension (SQuAD 2.0 [Rajpurkar+, 2018])
  • Commonsense reasoning (XWINO [Tikhonov & Ryabinin, 2021])
  • Natural language inference (HellaSwag [Zellers+, 2019])
  • Mathematical reasoning (GSM8k [Cobbe+, 2021])

Code evaluation benchmarks

We utilized the Code Generation LM Evaluation Harness [Allal+, 2022] (commit #0261c52). The details are as follows:

  • Code generation (HumanEval [Chen+, 2021])
  • Code generation in Japanese (JHumanEval [Satoh+, 2024])

Usage

First install additional dependencies in requirements.txt:

pip install -r requirements.txt

Use the base model

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "tokyotech-llm/Swallow-MS-7b-v0.1"
tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.bfloat16, device_map="auto")
prompt = "東京工業大学の主なキャンパスは、"
input_ids = tokenizer.encode(
    prompt,
    add_special_tokens=False,
    return_tensors="pt"
)
tokens = model.generate(
    input_ids.to(device=model.device),
    max_new_tokens=128,
    temperature=0.99,
    top_p=0.95,
    do_sample=True,
)

out = tokenizer.decode(tokens[0], skip_special_tokens=True)
print(out)

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 Mistral AI for releasing Mistral 7B v0.1 under an open license for others to build on.

Our project is supported by the ABCI Large-scale Language Model Building Support Program of the National Institute of Advanced Industrial Science and Technology.

License

apache-2.0

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},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
e816ede

0 моделей