/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7,1 млрд
Размер весов
93,4 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
22 фев 2024

Swallow-MX-8x7b-NVE-v0.1

Генерация текстаТекст → текст6 профессий

Японско-английская MoE-модель для генерации текста, полученная дополнительным предобучением Mixtral-8x7B-Instruct-v0.1 на японских данных.

234скачиваний 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-MX-8x7b-NVE-v0.1 — языковая модель команды Swallow из лабораторий Okazaki и YOKOTA Токийского технологического института. Она прошла дополнительное непрерывное предобучение на базе Mixtral-8x7B-Instruct-v0.1 с добавлением японских данных; архитектура — Mixtral MoE. В метаданных указаны 7,1 млрд параметров и контекст 4096 токенов.

Модель предназначена для генерации текста на японском и английском языках, включая ответы на вопросы, обобщение и перевод. В приведённых оценках Swallow показывает сильные результаты на ряде японских тестов, но результаты на английских тестах ниже показателей Llama 2 7B в этой таблице. Разработчики отмечают, что модель находится на ранней стадии исследований и не настроена для следования человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на японском языке
  • ответы на вопросы по-японски и по-английски
  • обобщение японских текстов
  • перевод между японским и английским
  • решение задач на японское здравое рассуждение

Ограничения

Разработчики указывают, что модель находится на ранней стадии разработки и не настроена для соответствия человеческим намерениям или требованиям безопасности. В приведённых тестах её результаты на английском уступают Llama 2 7B по всем указанным метрикам.

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

Swallow-MX-8x7b-NVE-v0.1

Our Swallow-MX-8x7b-NVE-v0.1 model has undergone continuous pre-training from the Mixtral-8x7B-Instruct-v0.1, primarily with the addition of Japanese language data.

logo

Model Details

  • Model type: Please refer to Mixtral technical report for details on the model architecture.
  • Language(s): Japanese English
  • Tokenizer: This model utilizes the same tokenizer as employed by Mixtral-8x7B-Instruct-v0.1.
  • Contact: swallow[at]nlp.c.titech.ac.jp

Base Model Performance

Japanese version

ModelSizeJCommonsenseQAJEMHopQANIILCJSQuADXL-SumMGSMWMT20-en-jaWMT20-ja-en
4-shot4-shot4-shot4-shot1-shot4-shot4-shot4-shot
Llama 27B0.38520.42400.34100.79170.19050.07600.17830.1738
Swallow7B0.48080.50780.59680.85730.18300.12400.25100.1511
Swallow-Plus7B0.54780.54930.60300.85440.18060.13600.25680.1441
Swallow-NVE7B0.54330.54250.57290.86840.21170.12000.24050.1512
Mistral-7B-v0.17B0.73010.42450.27220.85630.20060.17600.14050.1733
Swallow-MS-7b-v0.17B0.85700.49150.55190.88020.19880.22400.24940.1667
Llama 213B0.69970.44150.41700.85330.21390.13200.21460.1982
Swallow13B0.78370.50630.63980.90050.21680.20400.27200.1771
Swallow-NVE13B0.77120.54380.63510.90300.22940.21200.27350.1817
Llama 270B0.86860.46560.52560.90800.23610.35600.26430.2398
Swallow70B0.93480.62900.69600.91760.22660.48400.30430.2298
Swallow-NVE70B0.94100.57590.70240.92540.27580.47200.30420.2322
Mixtral-8x7B-v0.18x7B0.83470.53350.35490.88470.21920.31200.19700.1987
Swallow-MX-8x7b-NVE-v0.18x7B0.92580.58430.56870.91480.25890.43600.27050.2074

English version

ModelSizeOpenBookQATriviaQAHellaSwagSQuAD2.0XWINOGSM8K
8-shot8-shot8-shot8-shot8-shot8-shot
Llama 27B0.35800.62650.58600.32070.90490.1410
Swallow7B0.31800.48360.53080.31250.88170.1130
Swallow-Plus7B0.32800.45580.52590.31340.89290.1061
Swallow-NVE7B0.31800.50790.53290.29190.88170.0986
Mistral-7B-v0.17B0.36600.70500.62640.37990.91570.3533
Swallow-MS-7b-v0.17B0.34400.59760.58100.33640.90370.2623
Llama 213B0.37600.72550.61480.36810.91400.2403
Swallow13B0.35000.58520.56600.34060.90750.2039
Swallow-NVE13B0.34600.60250.57000.34780.90060.1751
Llama 270B0.42800.82390.67420.37700.92900.5284
Swallow70B0.42200.77560.64580.37450.92040.4867
Swallow-NVE70B0.42400.78170.64390.34510.92560.4943
Mixtral-8x7B-v0.18x7B0.39600.79890.66780.38420.92040.5747
Swallow-MX-8x7b-NVE-v0.18x7B0.37400.78470.65200.38010.91700.5694

Please note that Swallow-MX-8x7b-NVE-v0.1 is not derived from Mixtral-8x7B-v0.1, but rather underwent continued pre-training from Mixtral-8x7B-Instruct-v0.1.

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-MX-8x7b-NVE-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 Mixtral-8x7B-Instruct-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

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
52eaf16

0 моделей