|
|
|
--- |
|
|
|
library_name: transformers |
|
model_name: Vikhr-Llama-3.2-1B-instruct |
|
base_model: |
|
- meta-llama/Llama-3.2-1B-Instruct |
|
language: |
|
- ru |
|
- en |
|
license: llama3.2 |
|
datasets: |
|
- Vikhrmodels/GrandMaster-PRO-MAX |
|
|
|
--- |
|
|
|
[](https://hf.co/QuantFactory) |
|
|
|
|
|
# QuantFactory/Vikhr-Llama-3.2-1B-Instruct-GGUF |
|
This is quantized version of [Vikhrmodels/Vikhr-Llama-3.2-1B-Instruct](https://huggingface.co/Vikhrmodels/Vikhr-Llama-3.2-1B-Instruct) created using llama.cpp |
|
|
|
# Original Model Card |
|
|
|
|
|
# 💨📱 Vikhr-Llama-3.2-1B-instruct |
|
|
|
#### RU |
|
|
|
Инструктивная модель на основе Llama-3.2-1B-Instruct, обученная на русскоязычном датасете GrandMaster-PRO-MAX. В 5 раз эффективнее базовой модели, и идеально подходит для запуска на слабых или мобильных устройствах. |
|
|
|
#### EN |
|
|
|
Instructive model based on Llama-3.2-1B-Instruct, trained on the Russian-language dataset GrandMaster-PRO-MAX. It is 5 times more efficient than the base model, making it perfect for deployment on low-power or mobile devices. |
|
|
|
## GGUF |
|
|
|
- [Vikhrmodels/Vikhr-Llama-3.2-1B-instruct-GGUF](https://huggingface.co/Vikhrmodels/Vikhr-Llama-3.2-1B-instruct-GGUF) |
|
|
|
## Особенности: |
|
|
|
- 📚 Основа / Base: [Llama-3.2-1B-Instruct](https://huggingface.co/meta-llama/Llama-3.2-1B-Instruct) |
|
- 🇷🇺 Специализация / Specialization: **RU** |
|
- 💾 Датасет / Dataset: [GrandMaster-PRO-MAX](https://huggingface.co/datasets/Vikhrmodels/GrandMaster-PRO-MAX) |
|
|
|
## Попробовать / Try now: |
|
|
|
[](https://colab.research.google.com/drive/1bJpLmplDGkMbfOLO2CH6IO-2uUZEaknf?usp=sharing) |
|
|
|
## Описание: |
|
|
|
#### RU |
|
|
|
Vikhr-Llama-3.2-1B-instruct — это компактная языковая модель, обученная на датасете GrandMaster-PRO-MAX, специально доученная для обработки русского языка. Эффективность модели в 5 раз превышает базовую модель, а её размер не превышает 3GB, что делает её отличным выбором для запуска на слабых и мобильных устройствах. |
|
|
|
#### EN |
|
|
|
Vikhr-Llama-3.2-1B-instruct is a compact language model trained on the GrandMaster-PRO-MAX dataset, specifically designed for processing the Russian language. Its efficiency is 5 times higher than the base model, and its size does not exceed 3GB, making it an excellent choice for deployment on low-power and mobile devices. |
|
|
|
## Обучение / Train: |
|
|
|
#### RU |
|
|
|
Для создания **Vikhr-Llama-3.2-1B-instruct** использовался метод SFT (Supervised Fine-Tuning). Мы обучили модель на синтетическом датасете **Vikhrmodels/GrandMaster-PRO-MAX** (150k инструкций) с поддержкой CoT (Chain-Of-Thought), используя промпты для GPT-4-turbo. |
|
|
|
Скрипт для запуска SFT можно найти в нашей библиотеке на GitHub: [effective_llm_alignment](https://github.com/VikhrModels/effective_llm_alignment/). |
|
|
|
#### EN |
|
|
|
To create **Vikhr-Llama-3.2-1B-instruct**, the SFT (Supervised Fine-Tuning) method was used. We trained the model on a synthetic dataset **Vikhrmodels/GrandMaster-PRO-MAX** (150k instructions) with support for CoT (Chain-Of-Thought), utilizing prompts for GPT-4-turbo. |
|
|
|
The script for running SFT can be found in our GitHub repository: [effective_llm_alignment](https://github.com/VikhrModels/effective_llm_alignment/). |
|
|
|
## Пример кода для запуска / Sample code to run: |
|
|
|
**Рекомендуемая температура для генерации: 0.3** / **Recommended generation temperature: 0.3**. |
|
|
|
```python |
|
from transformers import AutoModelForCausalLM, AutoTokenizer |
|
|
|
# Загрузка модели и токенизатора |
|
model_name = "Vikhrmodels/Vikhr-Llama-3.2-1B-instruct" |
|
model = AutoModelForCausalLM.from_pretrained(model_name) |
|
tokenizer = AutoTokenizer.from_pretrained(model_name) |
|
|
|
# Подготовка входного текста |
|
input_text = "Напиши очень краткую рецензию о книге гарри поттер." |
|
|
|
# Токенизация и генерация текста |
|
input_ids = tokenizer.encode(input_text, return_tensors="pt") |
|
output = model.generate( |
|
input_ids, |
|
max_length=1512, |
|
temperature=0.3, |
|
num_return_sequences=1, |
|
no_repeat_ngram_size=2, |
|
top_k=50, |
|
top_p=0.95, |
|
) |
|
|
|
# Декодирование и вывод результата |
|
generated_text = tokenizer.decode(output[0], skip_special_tokens=True) |
|
print(generated_text) |
|
``` |
|
|
|
#### Ответ модели / Model response: |
|
|
|
> **Краткая рецензия на книгу "Гарри Поттер"** |
|
> |
|
> "Гарри Поттер" — это серия книг, написанная Дж. К. Роулинг, которая стала культовой в мире детских литературы. Книги рассказывают о жизни и приключениях молодого ученика по имени Гарри Поттер, который стал знаменитым по своей способности к магии. |
|
> |
|
> **Основные моменты:** |
|
> |
|
> 1. **Введение в мир Гарри Поттера:** Книги начинаются с описания Гарри, его семьи и школы, где он изучает магию. Гарри — необычный ученик, который не имеет магических способностей, но обладает уникальным умом и способностью к решению проблем. |
|
> |
|
> 2. **Социальные и политические аспекты:** В книгах рассматриваются социальные и политические аспекты, такие как правительство, магические общества, и их взаимодействие. |
|
> |
|
> 3. **Магические приключения:** Гарри и его друзья, включая Рон и Хэл, сталкиваются с множеством магических угроз, включая злодеев, такие как Волшебный Войнук и Сатан. |
|
> |
|
> 4. **Развитие персонажей:** В книгах развиваются персонажи, их мотивации и отношения с другими персонажами. |
|
> |
|
> 5. **Философские и моральные вопросы:** Книги затрагивают темы, такие как вера, доброта, справедливость и моральные дилеммы. |
|
> |
|
> **Заключение:** |
|
> |
|
> "Гарри Поттер" — это не только история о молодом ученике, но и глубокое исследование человеческого опыта, социальных норм и моральных дилемм. Книги привлекают читателей своими захватывающими сюжетами, яркими персонажами и глубокими философскими размышлениями. Они являются не только увлекательным приключением, но и важным источником вдохновения для многих людей. |
|
|
|
## Метрики на ru_arena_general / Metrics on ru_arena_general |
|
|
|
| **Model** | **Score** | **95% CI** | **Avg Tokens** | **Std Tokens** | **LC Score** | |
|
| ------------------------------------------- | --------- | --------------- | -------------- | -------------- | ------------ | |
|
| kolibri-vikhr-mistral-0427 | 22.41 | +1.6 / -1.6 | 489.89 | 566.29 | 46.04 | |
|
| storm-7b | 20.62 | +2.0 / -1.6 | 419.32 | 190.85 | 45.78 | |
|
| neural-chat-7b-v3-3 | 19.04 | +2.0 / -1.7 | 927.21 | 1211.62 | 45.56 | |
|
| **Vikhrmodels-Vikhr-Llama-3.2-1B-instruct** | **19.04** | **+1.3 / -1.6** | **958.63** | **1297.33** | **45.56** | |
|
| gigachat_lite | 17.2 | +1.4 / -1.4 | 276.81 | 329.66 | 45.29 | |
|
| Vikhrmodels-vikhr-qwen-1.5b-it | 13.19 | +1.4 / -1.6 | 2495.38 | 741.45 | 44.72 | |
|
| meta-llama-Llama-3.2-1B-Instruct | 4.04 | +0.8 / -0.6 | 1240.53 | 1783.08 | 43.42 | |
|
|
|
### Авторы / Authors |
|
|
|
- Sergei Bratchikov, [NLP Wanderer](https://t.me/nlpwanderer), [Vikhr Team](https://t.me/vikhrlabs) |
|
- Nikolay Kompanets, [LakoMoor](https://t.me/lakomoor), [Vikhr Team](https://t.me/vikhrlabs) |
|
- Konstantin Korolev, [Vikhr Team](https://t.me/vikhrlabs) |
|
- Aleksandr Nikolich, [Vikhr Team](https://t.me/vikhrlabs) |
|
|
|
``` |
|
@article{nikolich2024vikhr, |
|
title={Vikhr: The Family of Open-Source Instruction-Tuned Large Language Models for Russian}, |
|
author={Aleksandr Nikolich and Konstantin Korolev and Sergey Bratchikov and Nikolay Kompanets and Artem Shelmanov}, |
|
journal={arXiv preprint arXiv:2405.13929}, |
|
year={2024}, |
|
url={https://arxiv.org/pdf/2405.13929} |
|
} |
|
``` |
|
|
