/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,5 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
5 фев 2024

Quyen-Mini-v0.1

Генерация текстаТекст → текст6 профессий

Quyen-Mini-v0.1 — англоязычная чат-модель семейства Qwen для диалогов, ответов на вопросы и генерации текста.

68скачиваний за 30 дней5лайковвеса обновлены5 мар 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

Quyen-Mini-v0.1 — разговорная языковая модель из серии Quyen, разработанной авторами карточки. Она основана на семействе Qwen1.5 и дообучена методами SFT и DPO на наборах OpenHermes-2.5, Capybara, Orca DPO и закрытых данных. Метаданные указывают архитектуру Qwen2 с плотной причинной языковой моделью, 1,5 млрд параметров и контекст до 8192 токенов; README указывает размер версии Quyen-Mini как 1,8 млрд параметров.

Модель предназначена для диалогов, ответов на вопросы и генерации текста. В карточке указан шаблон ChatML, а среди языков — английский. README приводит результаты отдельных тестов, но полная таблица бенчмарков недоступна, поэтому они не дают основания судить о качестве во всех сценариях. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

Сценарии применения

  • ведение диалога на английском языке
  • ответы на вопросы в текстовом чате
  • генерация связного текста
  • следование пользовательским инструкциям

Ограничения

В README не приведена полная таблица результатов бенчмарков. Лицензия обозначена как other, а её конкретные условия в предоставленных данных не описаны.

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

Quyen

Model Description

Quyen is our first flagship LLM series based on the Qwen1.5 family. We introduced 6 different versions:

  • Quyen-SE (0.5B)
  • Quyen-Mini (1.8B)
  • Quyen (4B)
  • Quyen-Plus (7B)
  • Quyen-Pro (14B)
  • Quyen-Pro-Max (72B)

All models were trained with SFT and DPO using the following dataset:

  • OpenHermes-2.5 by Teknium
  • Capyabara by LDJ
  • argilla/distilabel-capybara-dpo-7k-binarized by argilla
  • orca_dpo_pairs by Intel
  • and Private Data by Ontocord & BEE-spoke-data

Prompt Template

  • All Quyen models use ChatML as the default template:
<|im_start|>system
You are a sentient, superintelligent artificial general intelligence, here to teach and assist me.<|im_end|>
<|im_start|>user
Hello world.<|im_end|>
<|im_start|>assistant
  • You can also use apply_chat_template:
messages = [
    {"role": "system", "content": "You are a sentient, superintelligent artificial general intelligence, here to teach and assist me."},
    {"role": "user", "content": "Hello world."}
]
gen_input = tokenizer.apply_chat_template(message, return_tensors="pt")
model.generate(**gen_input)

Benchmarks:

  • Coming Soon! We will update the benchmarks later

Acknowledgement

  • We're incredibly grateful to Tensoic and Ontocord for their generous support with compute and data preparation.
  • Special thanks to the Qwen team for letting us access the models early for these amazing finetunes.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.46.14
AI2 Reasoning Challenge (25-Shot)39.33
HellaSwag (10-Shot)60.57
MMLU (5-Shot)43.93
TruthfulQA (0-shot)46.44
Winogrande (5-shot)59.12
GSM8k (5-shot)27.45

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
f738274

0 моделей