> [!NOTE] > Мы выпустили статью для OpenThoughts! См. нашу статью здесь. Эта модель представляет собой доработанную версию Qwen/Qwen2.5-7B-Instruct для набора данных OpenThoughts-114k. Набор данных получен путем дистилляции DeepSeek-R1 с использованием конвейера данных, доступного на github. Более подробную информацию о наборе данных можно найти на карточке набора данных в наборе данных OpenThoughts-114k. Эта модель является усовершенствованной моделью Bespoke-Stratos-7B, в которой использовалось 17 тыс. примеров (набор данных Bespoke-Stratos-17k). Цифры, указанные в таблице ниже, рассчитаны с помощью нашего инструмента с открытым исходным кодом Evalchemy. Мы полностью с открытым исходным кодом. Веса нашей модели, наборы данных, код генерации данных, код оценки и код обучения — все это общедоступно. Во время обучения использовались следующие гиперпараметры: — скорость обучения: 1e-05 — trainbatchsize: 1 — evalbatchsize: 8 — начальное число: 42 — распределенный тип: multi-GPU — numdevices: 32 — градиентаккумуляция шагов: 3 — общий размер поезда: 96 — общий размер evalbatchsize: 256 — оптимизатор: используйте OptimizerNames.ADAMWTORCH с betas=(0.9,0.999) и epsilon=1e-08 иOptimargs=Нет дополнительных аргументов оптимизатора — lrschedulertype: cosine — lrschedulerwarmupratio: 0,1 — num_epochs: 3.0 — Трансформеры 4.46.1 -…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: open-thoughts
Теги: qwen2, llama-factory, full, generated_from_trainer, conversational, text-generation-inference, endpoints_compatible
Лайков: 138 | Загрузок: 2,005
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
