Эта модель представляет собой доработанную версию Qwen/Qwen2.5-32B-Instruct на наборе данных Bespoke-Stratos-17k. Набор данных получен путем дистилляции DeepSeek-R1 с использованием конвейера данных Sky-T1 компании Berkeley NovaSky с некоторыми модификациями. Дополнительную информацию можно найти в карточке набора данных на сайте Bespoke-Stratos-17k. Он превосходит Qwen-2.5-32B-Instruct по тестам рассуждения: во время обучения использовались следующие гиперпараметры: — скорость обучения: 1e-05 — trainbatchsize: 1 — evalbatchsize: 8 — начальное число: 42 — распределенный тип: multi-GPU — numdevices: 8 — градиентаккумуляция шагов: 12 — totaltrainbatchsize: 96 — totalevalbatchsize: 64 — оптимизатор: используйте adamwtorch с betas=(0.9,0.999) и epsilon=1e-08 иOptimargs=No дополнительных аргументов оптимизатора — lrschedulertype: cosine — lrschedulerwarmupratio: 0,1 — num_epochs: 3.0 — Transformers 4.46.1 — Pytorch 2.5.1+cu124 — Наборы данных 3.1.0 — Токенизаторы 0.20.3
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: bespokelabs
Теги: qwen2, llama-factory, full, generated_from_trainer, conversational, en, text-generation-inference, endpoints_compatible
Лайков: 44 | Загрузок: 51
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
