/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
526 млн
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
25 янв 2024

Mixsmol-4x400M-v0.1-epoch1

Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель Ontocord на архитектуре Mixtral для изучения рассуждения и межъязыкового понимания на английском и вьетнамском языках.

131скачиваний за 30 дней11лайковвеса обновлены29 янв 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

Mixsmol-4x400M-v0.1-epoch1 — экспериментальная языковая модель от Ontocord, созданная совместно с BEE-spoke-data и VILM. Это первый чекпойнт серии, построенный на архитектуре Mixtral с разреженной смесью экспертов; в репозитории указано 526,1 млн параметров. Модель обучали на 50 млрд токенов, преимущественно на английских данных, с небольшой долей вьетнамского текста.

Чекпойнт предназначен для изучения влияния смешивания данных на рассуждение и межъязыковое понимание. В обучении использовались синтетические учебники, веб-тексты, математические и энциклопедические данные, код и примеры инструкционного обучения. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. В README приведены результаты отдельных бенчмарков, включая ARC Challenge и HellaSwag.

Это ранний экспериментальный чекпойнт первой эпохи, а не завершённая версия: авторы указывают, что обучение на ограниченном объёме данных проводилось для проверки гипотез и планировали дальнейший запуск на большем объёме данных и вычислений. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на английском языке
  • эксперименты с рассуждением на синтетических учебных данных
  • оценка языковой модели на тестах ARC Challenge и HellaSwag
  • исследование понимания английского и вьетнамского текста

Ограничения

Это чекпойнт первой эпохи, обученный на ограниченном для авторской программы объёме данных как эксперимент по смешиванию данных. В README представлены только отдельные результаты бенчмарков; дальнейшее обучение на большем объёме данных планировалось.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mixsmol-4x400M-v0.1 by Ontocord

This is the first checkpoint (Epoch 1) of Mixsmol-4x400M-v0.1 Note that this is an experimental in data mixing. Therefore, we only trained the model on 50B tokens (95% English and 5% Vietnamese) to test the following:

  • Reasoining capabilities through high-quality synthetic textbooks data pretraining
  • Crosslingual understanding through machine translation and multilingual + multiple tasks pretraining

After verifying our hypothesis with this run, we will schedule a second run on bigger data and compute for it to achieve its maximum capability.

Data

  • Synthetic Textbooks: 8M samples
  • RefinedWeb: 1M samples
  • RedPajama-v2: 500K samples
  • MathPile: Everything
  • ThePile: MiniPile Subset
  • GoodWiki
  • The Stack Smol XL
  • The Vault: train_small split
  • Instruction Pretraining: 250k samples
TasksVersionFiltern-shotMetricValueStderr
arc_challengeYamlnone25acc0.1937±0.0115
none25acc_norm0.2329±0.0124
hellaswagYamlnone10acc0.2856±0.0045
none10acc_norm0.3090±0.0046
mmluN/Anone0acc0.2536±0.0483
- humanitiesN/Anone5acc0.2408±0.0341
- otherN/Anone5acc0.2475±0.0443
- social_sciencesN/Anone5acc0.2567±0.0456
- stemN/Anone5acc0.2756±0.0653
truthfulqa_mc2Yamlnone0acc0.3909±0.0148
winograndeYamlnone5acc0.5107±0.014
gsm8kYamlget-answer5exact_match0±0

Contribution

This work is a shared contribution between Ontocord, BEE-spoke-data and VILM

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
0389e88

0 моделей