RichardErkhov
commited on
Commit
•
7c2b032
1
Parent(s):
3e228ba
uploaded readme
Browse files
README.md
ADDED
@@ -0,0 +1,172 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
Quantization made by Richard Erkhov.
|
2 |
+
|
3 |
+
[Github](https://github.com/RichardErkhov)
|
4 |
+
|
5 |
+
[Discord](https://discord.gg/pvy7H8DZMG)
|
6 |
+
|
7 |
+
[Request more models](https://github.com/RichardErkhov/quant_request)
|
8 |
+
|
9 |
+
|
10 |
+
Vikhr-Qwen-2.5-0.5b-Instruct - GGUF
|
11 |
+
- Model creator: https://huggingface.co/Vikhrmodels/
|
12 |
+
- Original model: https://huggingface.co/Vikhrmodels/Vikhr-Qwen-2.5-0.5b-Instruct/
|
13 |
+
|
14 |
+
|
15 |
+
| Name | Quant method | Size |
|
16 |
+
| ---- | ---- | ---- |
|
17 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q2_K.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q2_K.gguf) | Q2_K | 0.32GB |
|
18 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.IQ3_XS.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.IQ3_XS.gguf) | IQ3_XS | 0.32GB |
|
19 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.IQ3_S.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.IQ3_S.gguf) | IQ3_S | 0.32GB |
|
20 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K_S.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K_S.gguf) | Q3_K_S | 0.31GB |
|
21 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.IQ3_M.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.IQ3_M.gguf) | IQ3_M | 0.32GB |
|
22 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K.gguf) | Q3_K | 0.33GB |
|
23 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K_M.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K_M.gguf) | Q3_K_M | 0.33GB |
|
24 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K_L.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q3_K_L.gguf) | Q3_K_L | 0.34GB |
|
25 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.IQ4_XS.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.IQ4_XS.gguf) | IQ4_XS | 0.33GB |
|
26 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q4_0.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q4_0.gguf) | Q4_0 | 0.33GB |
|
27 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.IQ4_NL.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.IQ4_NL.gguf) | IQ4_NL | 0.33GB |
|
28 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q4_K_S.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q4_K_S.gguf) | Q4_K_S | 0.36GB |
|
29 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q4_K.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q4_K.gguf) | Q4_K | 0.37GB |
|
30 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q4_K_M.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q4_K_M.gguf) | Q4_K_M | 0.37GB |
|
31 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q4_1.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q4_1.gguf) | Q4_1 | 0.35GB |
|
32 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q5_0.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q5_0.gguf) | Q5_0 | 0.37GB |
|
33 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q5_K_S.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q5_K_S.gguf) | Q5_K_S | 0.38GB |
|
34 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q5_K.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q5_K.gguf) | Q5_K | 0.39GB |
|
35 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q5_K_M.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q5_K_M.gguf) | Q5_K_M | 0.39GB |
|
36 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q5_1.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q5_1.gguf) | Q5_1 | 0.39GB |
|
37 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q6_K.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q6_K.gguf) | Q6_K | 0.47GB |
|
38 |
+
| [Vikhr-Qwen-2.5-0.5b-Instruct.Q8_0.gguf](https://huggingface.co/RichardErkhov/Vikhrmodels_-_Vikhr-Qwen-2.5-0.5b-Instruct-gguf/blob/main/Vikhr-Qwen-2.5-0.5b-Instruct.Q8_0.gguf) | Q8_0 | 0.49GB |
|
39 |
+
|
40 |
+
|
41 |
+
|
42 |
+
|
43 |
+
Original model description:
|
44 |
+
---
|
45 |
+
library_name: transformers
|
46 |
+
model_name: Vikhr-Qwen-2.5-0.5b-Instruct
|
47 |
+
base_model:
|
48 |
+
- Qwen/Qwen2.5-0.5B-Instruct
|
49 |
+
language:
|
50 |
+
- ru
|
51 |
+
- en
|
52 |
+
license: apache-2.0
|
53 |
+
datasets:
|
54 |
+
- Vikhrmodels/GrandMaster-PRO-MAX
|
55 |
+
---
|
56 |
+
|
57 |
+
# 💨�� Vikhr-Qwen-2.5-0.5B-Instruct
|
58 |
+
|
59 |
+
#### RU
|
60 |
+
|
61 |
+
Инструктивная модель на основе **Qwen-2.5-0.5B-Instruct**, обученная на русскоязычном датасете **GrandMaster-PRO-MAX**. В **4 раза эффективнее** базовой модели, и идеально подходит для запуска на слабых мобильных устройствах.
|
62 |
+
|
63 |
+
#### EN
|
64 |
+
|
65 |
+
Instructive model based on **Qwen-2.5-0.5B-Instruct**, trained on the Russian-language dataset **GrandMaster-PRO-MAX**. It is **4 times more efficient** than the base model, making it perfect for deployment on low-end mobile devices.
|
66 |
+
|
67 |
+
## GGUF
|
68 |
+
|
69 |
+
- [Vikhrmodels/Vikhr-Qwen-2.5-0.5B-instruct-GGUF](https://huggingface.co/Vikhrmodels/Vikhr-Qwen-2.5-0.5B-instruct-GGUF)
|
70 |
+
|
71 |
+
## Особенности:
|
72 |
+
|
73 |
+
- 📚 Основа / Base: [Qwen-2.5-0.5B-Instruct](https://huggingface.co/Qwen/Qwen-2.5-0.5B-Instruct)
|
74 |
+
- 🇷🇺 Специализация / Specialization: **RU**
|
75 |
+
- 💾 Датасет / Dataset: [GrandMaster-PRO-MAX](https://huggingface.co/datasets/Vikhrmodels/GrandMaster-PRO-MAX)
|
76 |
+
|
77 |
+
## Попробовать / Try now:
|
78 |
+
|
79 |
+
[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/drive/1bJpLmplDGkMbfOLO2CH6IO-2uUZEaknf?usp=sharing)
|
80 |
+
|
81 |
+
## Описание:
|
82 |
+
|
83 |
+
#### RU
|
84 |
+
|
85 |
+
**Vikhr-Qwen-2.5-0.5B-instruct** — это компактная языковая модель, обученная на датасете **GrandMaster-PRO-MAX**, специально доученная для обработки русского языка. Эффективность модели **в 4 раза** превышает базовую модель, а её размер составляет **1ГБ** , что делает её отличным выбором для запуска на слабых мобильных устройствах.
|
86 |
+
|
87 |
+
#### EN
|
88 |
+
|
89 |
+
**Vikhr-Qwen-2.5-0.5B-instruct** is a compact language model trained on the **GrandMaster-PRO-MAX** dataset, specifically designed for processing the Russian language. Its efficiency is **4 times** higher than the base model, and its size is **1GB**, making it an excellent choice for deployment on low-end mobile devices.
|
90 |
+
|
91 |
+
## Обучение / Train:
|
92 |
+
|
93 |
+
#### RU
|
94 |
+
|
95 |
+
Для создания **Vikhr-Qwen-2.5-0.5B-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.
|
96 |
+
|
97 |
+
#### EN
|
98 |
+
|
99 |
+
To create **Vikhr-Qwen-2.5-0.5B-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.
|
100 |
+
|
101 |
+
## Пример кода для запуска / Sample code to run:
|
102 |
+
|
103 |
+
**Рекомендуемая температура для генерации: 0.3** / **Recommended generation temperature: 0.3**.
|
104 |
+
|
105 |
+
```python
|
106 |
+
from transformers import AutoModelForCausalLM, AutoTokenizer
|
107 |
+
|
108 |
+
# Загрузка модели и токенизатора
|
109 |
+
model_name = "Vikhrmodels/Vikhr-Qwen-2.5-0.5B-Instruct"
|
110 |
+
model = AutoModelForCausalLM.from_pretrained(model_name)
|
111 |
+
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
112 |
+
|
113 |
+
# Подготовка входного текста
|
114 |
+
input_text = "Напиши очень краткую рецензию о книге Гарри Поттер."
|
115 |
+
|
116 |
+
# Токенизация и генерация текста
|
117 |
+
input_ids = tokenizer.encode(input_text, return_tensors="pt")
|
118 |
+
output = model.generate(
|
119 |
+
input_ids,
|
120 |
+
max_length=1512,
|
121 |
+
temperature=0.3,
|
122 |
+
num_return_sequences=1,
|
123 |
+
no_repeat_ngram_size=2,
|
124 |
+
top_k=50,
|
125 |
+
top_p=0.95,
|
126 |
+
)
|
127 |
+
|
128 |
+
# Декодирование и вывод результата
|
129 |
+
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
|
130 |
+
print(generated_text)
|
131 |
+
```
|
132 |
+
|
133 |
+
#### Ответ модели / Model response:
|
134 |
+
|
135 |
+
>Книга "Гарри Поттер" – это серия книг, написанных британским писателем Джоан Роулинг. Это одно из самых известных произведений в мире литературы и популярного детского творчества.
|
136 |
+
>
|
137 |
+
>**Основные черты серии:**
|
138 |
+
>
|
139 |
+
>1. **Сюжет:** События разворачиваются вокруг мальчика по имени Гарри Поттер, который учится в Школе волшебства и философии в Университете Хогвартс. Он сталкивается с различными препятствиями, включая борьбу со злом, поиск друзей и самопознание.
|
140 |
+
>
|
141 |
+
>2. **Персонажи:** В книге представлены множество персонажей, каждый из которых имеет свои уникальные черты характера, мотивации и прошлое. Главный герой, Гарри Поттер, является примером доброго и смелого человека, а также необычной личностью.
|
142 |
+
>
|
143 |
+
>3. **Темы и идеи:** Рассказы книги затрагивают темы любви, дружбы, справедливости, морали, человеческой неповиновенности и важности обучения через приключения.
|
144 |
+
>
|
145 |
+
>4. **История и развитие персонажей:** Через события и взаимодействие с другими персонажами книга исследует глубокие психологические и философские вопросы.
|
146 |
+
>
|
147 |
+
>5. **Влияние на культуру:** "Гарри Поттер" оказал огромное влияние на мировую литературу, превратившись в культовый жанр и символ знаний и мудрости.
|
148 |
+
>
|
149 |
+
>6. **Доступность:** Книги серии доступны для широкой аудитории и пользуются большим спросом, что делает их популярным выбором среди читателей всех возрастов.
|
150 |
+
>
|
151 |
+
>7. **Развитие жанра:** Несмотря на то что "Гарри Поттер" является частью серии, он продолжает быть любимым и актуальным, так как продолжает удивлять читателей новыми историями и персонажами.
|
152 |
+
>
|
153 |
+
>Эта серия книг остается одной из самых значительных и влиятельных в истории литературы, оказав влияние на развитие мировой культуры и образование.
|
154 |
+
|
155 |
+
|
156 |
+
### Авторы / Authors
|
157 |
+
|
158 |
+
- Sergei Bratchikov, [NLP Wanderer](https://t.me/nlpwanderer), [Vikhr Team](https://t.me/vikhrlabs)
|
159 |
+
- Nikolay Kompanets, [LakoMoor](https://t.me/lakomoor), [Vikhr Team](https://t.me/vikhrlabs)
|
160 |
+
- Konstantin Korolev, [Vikhr Team](https://t.me/vikhrlabs)
|
161 |
+
- Aleksandr Nikolich, [Vikhr Team](https://t.me/vikhrlabs)
|
162 |
+
|
163 |
+
```
|
164 |
+
@article{nikolich2024vikhr,
|
165 |
+
title={Vikhr: The Family of Open-Source Instruction-Tuned Large Language Models for Russian},
|
166 |
+
author={Aleksandr Nikolich and Konstantin Korolev and Sergey Bratchikov and Nikolay Kompanets and Artem Shelmanov},
|
167 |
+
journal={arXiv preprint arXiv:2405.13929},
|
168 |
+
year={2024},
|
169 |
+
url={https://arxiv.org/pdf/2405.13929}
|
170 |
+
}
|
171 |
+
```
|
172 |
+
|