/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-Nemo-NT-Ko-12B-sft
Опубликована
22 сен 2024

Mistral-Nemo-NT-Ko-12B-dpo

Генерация текстаТекст → текст13 профессий

Диалоговая модель Mistral на 12,1 млрд параметров, дообученная методом DPO для многоходовых ответов по инструкциям, особенно на корейском языке.

26скачиваний за 30 дней3лайкавеса обновлены22 сен 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

Mistral-Nemo-NT-Ko-12B-dpo — диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная werty1248 как дополнительное DPO-дообучение модели werty1248/Mistral-Nemo-NT-Ko-12B-sft с помощью LoRA. Она предназначена для генерации ответов по инструкциям и многоходового общения; в описанных тестах показала сильные результаты по письму и программированию, однако DPO дало лишь небольшое общее улучшение относительно базовой SFT-модели.

Для DPO использовались англоязычные, корейские и китайские пары предпочтений; часть корейских данных была переведена с английского. Базовая модель поддерживает контекст до 128K токенов, но это дообучение выполнялось с контекстом 8K. Метаданные указывают английский, корейский, японский и китайский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • многоходовый диалог на корейском языке
  • ответы на инструкции на английском, корейском, китайском и японском
  • генерация и редактирование текстов
  • помощь с программированием в диалоге
  • решение математических задач на корейском языке

Ограничения

Дообучение DPO проводилось с контекстом 8K, несмотря на более длинный контекст базовой модели. Автор отмечает, что DPO дало незначительное общее улучшение относительно SFT-модели; результаты тестов не гарантируют качество на других задачах.

Для каких профессий подходит13

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

Mistral-Nemo-NT-Ko-12B-dpo

Description

Mistral-Nemo-NT-Ko-12B-dpo is a shallowly DPO-trained version of werty1248/Mistral-Nemo-NT-Ko-12B-sft.

According to the Hermes 3 Tech Report, DPO made negligible performance improvements in their model. Therefore, I followed the same approach described in the report and applied DPO using LoRA.

  • LoRA r = 32
  • Lora alpha = 16
  • lr = 3e-6
  • neftune alpha = 5

The datasets used are as follows:

I've been looking for native Korean/Japanese DPO datasets, but haven't found anything that I'm personally satisfied with(Quantity/Quality).

From each dataset, I sampled a subset based on the score given by the reward model. In the end, I used about 13K samples for training for each language.

Features

  • The base model supports a context length of 128K, while I fine-tuned this model with an 8K context size.

  • This model works well for multi-turn conversations, and tends to strongly reflect the previous conversation.

Evaluation

LogicKor

Cot-1-shot

모델방법추론수학글쓰기코딩이해문법싱글턴멀티턴총점
Mistral-Nemo-NT-Ko-12B-sftcot-1-shot7.366.578.718.579.576.437.817.937.87
Mistral-Nemo-NT-Ko-12B-dpocot-1-shot6.796.439.439.799.435.297.718.007.86
Mistral Nemocot-1-shot5.436.866.077.575.867.577.505.626.56

1-shot

모델방법추론수학글쓰기코딩이해문법싱글턴멀티턴총점
Mistral-Nemo-NT-Ko-12B-dpo1-shot8.145.509.368.579.504.717.387.887.63
Mistral-Nemo-NT-Ko-12B-sft1-shot9.005.717.938.297.935.217.297.407.35
Mistral Nemo1-shot5.006.506.868.077.648.437.606.577.08

Default

모델방법추론수학글쓰기코딩이해문법싱글턴멀티턴총점
Mistral-Nemo-NT-Ko-12B-dpodefault6.215.798.008.369.435.437.177.247.20
Mistral-Nemo-NT-Ko-12B-sftdefault6.004.935.437.149.714.006.455.956.20
Mistral Nemodefault0.437.646.217.146.797.216.265.555.90

Language-Confusion

ModelLanguageMonolingual-LPRMonolingual-WPRCrosslingual-LPRCrosslingual-WPR
Mistral-Nemo-NT-Ko-12B-dpoko100.00%97.96%85.63%96.93%
Mistral-Nemo-NT-Ko-12B-sftko100.00%99.00%87.51%96.96%
Mistral-Nemo-Instruct-2407ko90.72%93.18%46.75%92.84%
Meta-Llama-3.1-8B-Instructko99.00%96.97%91.45%93.01%
gemma-2-9b-itko100.00%98.00%87.93%95.58%
------------------
Mistral-Nemo-NT-Ko-12B-dpozh99.00%99.50%80.52%97.51%
Mistral-Nemo-Instruct-2407zh97.50%98.98%53.43%93.58%
------------------
Mistral-Nemo-NT-Ko-12B-dpoja100.00%100.00%86.89%95.41%
Mistral-Nemo-Instruct-2407ja94.00%98.94%50.27%96.05%

Template

<|im_start|>system
You are a helpful AI assistant.<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

I trained Mistral-Nemo-NT-Ko-12B with various system prompt from dozens of dataset. You can chat with/without your system prompt.

Dataset

  • zake7749/kyara-chinese-preference-rl-dpo-s0-30K
  • sionic/ko-dpo-mix-7k-trl-style
  • kuotient/orca-math-korean-dpo-pairs
  • HuggingFaceH4/ultrafeedback_binarized

Training Details

  • GPU: 2xA100
  • epoch: 1
  • total batch size: 32
  • learning rate: 3e-6
  • neftune_noise_alpha: 5

axolotl version: 0.4.1

base_model: werty1248/Mistral-Nemo-NT-Ko-12B-sft
model_type: MistralForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

adapter: lora
lora_model_dir:
lora_r: 32
lora_alpha: 16
lora_dropout: 0.05
lora_target_linear: true
lora_fan_in_fan_out:

dpo_beta: 0.1
rl: dpo

datasets:
  - path: werty1248/NT-dpo
    split: train
    type: chatml.prompt_pairs

dataset_prepared_path: /workspace/data/prepared_datasets
output_dir: /workspace/data
save_steps: 500

sequence_len: 8192
sample_packing: false
pad_to_sequence_len: true
gradient_accumulation_steps: 16
micro_batch_size: 1
num_epochs: 1
optimizer: rmsprop
weight_decay: 0.0
learning_rate: 0.000003
lr_scheduler: linear
neftune_noise_alpha: 5

train_on_inputs: false
group_by_length: false

#wandb_project:
#wandb_entity:
#wandb_watch:
#wandb_name:
#wandb_log_model:

bf16: true
fp16: false
tf32: false

gradient_checkpointing: true
flash_attention: true
warmup_steps: 9

eval_steps:
val_set_size: 0
early_stopping_patience:
logging_steps: 1

special_tokens:
  pad_token: <pad>
  • reward margin

image/png

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
89a67dc

0 моделей