/ 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-Base-2407
Опубликована
19 сен 2024

Mistral-Nemo-NT-Ko-12B-sft

Генерация текстаТекст → текст15 профессий

Многоязычная диалоговая модель Mistral на 12,1 млрд параметров для генерации ответов по инструкциям на английском, корейском, китайском и японском языках.

31скачиваний 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-sft — многоязычная диалоговая модель на архитектуре Mistral, дообученная автором werty1248 на базе mistralai/Mistral-Nemo-Base-2407. Модель содержит 12,1 млрд параметров и распространяется в формате safetensors по лицензии Apache-2.0.

Она предназначена для диалогов и генерации инструктивных ответов на английском, корейском, китайском и японском языках. Дообучение ориентировано на языковое выравнивание, перенос знаний между языками и форматирование ChatML; модель обычно отвечает на языке запроса, если не задан другой язык. В карточке приведены результаты тестирования на LogicKor и MT-Bench. Контекст обучения составил 8 тыс. токенов, хотя для базовой модели указано окно до 128 тыс. токенов.

Это промежуточная версия без оптимизации предпочтений. Длина ответов зависит от языка: английские ответы обычно длиннее, корейские — короче; поведение на японском и китайском автор продолжает наблюдать. Рекомендуемая температура генерации — 0,3–0,7.

Сценарии применения

  • диалоговый помощник на корейском языке
  • ответы на инструкции на английском, китайском и японском языках
  • многоязычные беседы с переключением языка ответа
  • генерация кода и ответы на вопросы по программированию
  • решение математических задач в диалоге

Ограничения

Это промежуточная версия без оптимизации предпочтений; модель обучалась с контекстом 8 тыс. токенов, несмотря на более длинный контекст базовой модели. Длина ответов различается в зависимости от языка, а поведение на японском и китайском автор ещё оценивает.

Для каких профессий подходит15

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-sft

Description

Mistral-Nemo-NT-Ko-12B-sft is an instruction-tuned version of mistralai/Mistral-Nemo-Base-2407, fine-tuned across four languages: English, Korean, Chinese, and Japanese.

The primary goals of this model are language alignment, cross-lingual knowledge transfer and ChatML formatting. This is an intermediate version since preference optimization has not yet been applied.

Features

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

  • The model follows to the input language unless the user explicitly specifies an output language (If the language is set by a system role, it may be ignored).

  • Answer length tends to vary by language: English responses are generally longer than average, while Korean responses tend to be shorter. The behavior for Japanese and Chinese is still under observation.

  • Recommended temperature settings: 0.3 to 0.7.

Evaluation

LogicKor

모델방법추론수학글쓰기코딩이해문법싱글턴멀티턴총점
Mistral-Nemo-NT-Ko-12B-sftcot-1-shot7.366.578.718.579.576.437.817.937.87
Mistral-Nemo-NT-Ko-12B-sft1-shot9.005.717.938.297.935.217.297.407.35
Mistral Nemo1-shot5.00,6.506.868.077.648.437.606.577.08
Mistral Nemocot-1-shot5.43,6.866.077.575.867.577.505.626.56
Mistral-Nemo-NT-Ko-12B-sftdefault6.004.935.437.149.714.006.455.956.20
Mistral Nemodefault0.43,7.646.217.146.797.216.265.555.90

MT-Bench

ModelFirstSecondAverage
Mistral-Nemo-NT-Ko-12B-sft8.397.998.19
* judge-model: GPT-4

Language-Confusion(Korean Only)

ModelMonolingual-LPRMonolingual-WPRCrosslingual-LPRCrosslingual-WPR
Mistral-Nemo-NT-Ko-12B-sft100.00%99.00%87.51%96.96%
Mistral-Nemo-Instruct-240790.72%93.18%46.75%92.84%
Meta-Llama-3.1-8B-Instruct99.00%96.97%91.45%93.01%
gemma-2-9b-it100.00%98.00%87.93%95.58%

example:

<|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

werty1248/multilingual-instruct-balanced

Training Details

  • GPU: 8xA40
  • epoch: 3
  • total batch size: 8
  • learning rate: 7e-6
  • weight decay: 0.01

axolotl version: 0.4.1

base_model: mistralai/Mistral-Nemo-Base-2407
model_type: MistralForCausalLM
tokenizer_config: nothingiisreal/MN-12B-Celeste-V1.9 ##axolotl-ai-co/Mistral-Nemo-Base-2407-chatml makes error, why?
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

chat_template: chatml
datasets:
  - path: werty1248/multilingual-instruct-balanced
    type: sharegpt
    chat_template: chatml

dataset_prepared_path: ./data_preparation
output_dir: /workspace/data

hf_use_auth_token: true

sequence_len: 8192
sample_packing: true
pad_to_sequence_len: true

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

gradient_accumulation_steps: 1 ## total_batch = 8
micro_batch_size: 1
num_epochs: 3
optimizer: paged_adamw_32bit
lr_scheduler: cosine
learning_rate: 0.000007

train_on_inputs: false
group_by_length: false
bf16: auto
fp16: 
tf32: false

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_steps: 1000
evals_per_epoch: 1
eval_table_size:
save_steps: 1000
debug:
deepspeed: deepspeed_configs/zero3_bf16.json
weight_decay: 0.01
special_tokens:
  pad_token: <pad>
  • Training loss

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
da6bc35

0 моделей