/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Архитектура
llama · dense
Базовая модель
meta-llama3-chatml
Библиотека
peft
Опубликована
21 апр 2024

llama-3-orpo-ml

Генерация текстаТекст → текст

Дообученная диалоговая модель Llama 3 на 7,5 млрд параметров для генерации ответов в чат-ассистентах.

0скачиваний за 30 дней7лайковвеса обновлены21 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

winglian/llama-3-orpo-ml — диалоговая модель семейства Llama 3 от автора winglian, дообученная методом ORPO на наборе mlabonne/orpo-dpo-mix-40k. Это плотная языковая модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров; репозиторий использует PEFT и формат safetensors, а в метаданных отмечена поддержка чата. Модель предназначена для генерации текста в диалоге: ответы на запросы, продолжение беседы и применение в чат-ассистентах.

Контекст составляет до 8192 токенов. README не содержит сведений о качестве и целевых сценариях, поэтому практическую пригодность следует оценивать самостоятельно. Лицензия в доступных данных не указана.

Сценарии применения

  • создание чат-ассистента для ответов на запросы
  • генерация продолжения диалога
  • подготовка черновиков ответов на вопросы
  • интеграция языковой модели в приложение с диалоговым интерфейсом

Ограничения

README не приводит результатов бенчмарков и подробностей об обучении или целевых сценариях. Языковая поддержка и качество ответов не подтверждены доступными данными.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

WandB: https://wandb.ai/oaaic/orpo-llama-3/runs/gc2d3cxp

Benchmarks: TBD

axolotl version: 0.4.0

base_model: winglian/meta-llama3-chatml
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer

load_in_4bit: true

rl: orpo
orpo_alpha: 0.1
chat_template: chatml
datasets:
  - path: mlabonne/orpo-dpo-mix-40k
    type: chat_template.argilla
    chat_template: chatml

dataset_prepared_path: last_run_prepared
val_set_size: 0.01
output_dir: ./llama-3-orpo-qlora

sequence_len: 2048
sample_packing: false
pad_to_sequence_len: false

adapter: qlora
lora_r: 16
lora_alpha: 32
lora_dropout: 0.05
lora_target_modules:
  - q_proj
  - k_proj
  - v_proj
  - o_proj
  - gate_proj
  - up_proj
  - down_proj

wandb_project: orpo-llama-3
wandb_entity: oaaic
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 4
micro_batch_size: 8
num_epochs: 1
optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 1.4e-5
max_grad_norm: 1.0

train_on_inputs: false
group_by_length: false
bf16: true
tf32: true

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: true
logging_steps: 1
flash_attention: true

warmup_steps: 10
evals_per_epoch: 5
saves_per_epoch: 1
weight_decay: 0.0
special_tokens:
  pad_token: <|end_of_text|>

llama-3-orpo-qlora

This model was trained from scratch on the None dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1.4e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • training_steps: 1241

Training results

Framework versions

  • PEFT 0.10.0
  • Transformers 4.40.0.dev0
  • Pytorch 2.1.2+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм · peft

Нельзя запустить

Репозиторий содержит только адаптер (LoRA/PEFT) без базовой модели.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
9691749

0 моделей