File size: 8,179 Bytes
a221dea 94732ff a221dea 3a9acf4 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 |
---
language:
- pt
- en
license: cc-by-nc-2.0
tags:
- text-generation-inference
- transformers
- qwen
- gguf
- brazil
- brasil
- 72bb
- portuguese
base_model: Qwen/Qwen1.5-72B-Chat
pipeline_tag: text-generation
---
# Cabra 72b
<img src="https://uploads-ssl.webflow.com/65f77c0240ae1c68f8192771/6611c4d5c4e2b5eaea0b979c_cabra72b.png" width="400" height="400">
Cabra 72b é um finetune do [Qwen 1.5 72b Chat](https://huggingface.co./Qwen/Qwen1.5-72B-Chat) com o dataset Cabra 30k. Esse modelo é otimizado para português e responde em portuguese. Ele apresenta melhoria em vários benchmarks brasileiros em comparação com o modelo base.
**Conheça os nossos outros [modelos Cabra](https://huggingface.co./collections/botbot-ai/models-6604c2069ceef04f834ba99b).**
## Detalhes do modelo base
### Modelo: Qwen 1.5 72b chat
Qwen1.5 é uma série de modelos de linguagem que inclui modelos de linguagem decodificadores de diferentes tamanhos de modelo. Para cada tamanho, lançamos o modelo de linguagem base e o modelo de chat alinhado. Baseia-se na arquitetura Transformer com ativação SwiGLU, viés de atenção QKV, atenção de consulta em grupo, mistura de atenção de janela deslizante e atenção completa, etc. Adicionalmente, temos um tokenizador melhorado adaptativo a múltiplas línguas naturais e códigos. Para a versão beta, temporariamente não incluímos GQA e a mistura de SWA e atenção completa.
### dataset: Cabra 30k
Dataset interno para fine-tuning. Vamos lançar em breve.
### Quantização / GGUF
Colocamos diversas versões (GGUF) quantanizadas no branch "quantanization". Infelizmente o HF limita o tamanho de arquivo a <50gb.
### Exemplo
```
<s> [INST]Quem são os jogadores brasileiros de futebol mais conhecidos, atuais e pasados? [/INST]
O Brasil tem uma rica história na produção de alguns dos maiores jogadores de futebol do mundo. Alguns dos jogadores brasileiros mais importantes atualmente e que já jogaram incluem:
Pelé - amplamente considerado um dos maiores jogadores de todos os tempos, o Pelé venceu três Copas do Mundo com o Brasil e marcou mais de 1.000 gols em sua carreira.
Ronaldo Nazário de Lima - conhecido como Ronaldo, este jogador de ataque é o segundo maior artilheiro da história da seleção brasileira e ajudou o Brasil a vencer duas Copas do Mundo.
Ronaldinho Gaúcho - um criativo meio-campista ofensivo que jogou pelo Barcelona e pela AC Milan, o Ronaldinho foi nomeado Jogador Mundial FIFA de 2004 e ajudou o Brasil a vencer a Copa do Mundo de 2002.
Neymar Jr. - um dos melhores jogadores do mundo hoje, o Neymar desempenhou um papel fundamental ao liderar o Brasil para várias vitórias em torneios principais e é conhecido por suas habilidades incríveis de drible e capacidade de marcar gols.
Esses são apenas alguns exemplos dos muitos talentosos jogadores de futebol que vieram do Brasil ao longo de sua rica história.
</s>
```
### Paramentros de trainamento
```
- train/epoch: 3
- train/global_step: 1,893
- train/grad_norm: 0.5843151168226935
- train/learning_rate: 0.00000000006323276533
- train/loss: 0.4379
- train/total_flos: 7,334,660,338,089,984
- train/train_loss: 0.628420232404053
- train/train_runtime: 415,863.2395
- train/train_samples_per_second: 0.437
- train/train_steps_per_second: 0.005
- GPU: 8x A100 80GB SXB
```
### Framework
- Transformers 4.39.0.dev0
- Pytorch 2.1.2+cu118
- Datasets 2.14.6
- Tokenizers 0.15.2
## Uso
O modelo é destinado, por agora, a fins de pesquisa. As áreas e tarefas de pesquisa possíveis incluem:
- Pesquisa sobre modelos gerativos.
- Investigação e compreensão das limitações e vieses de modelos gerativos.
**Proibido para uso comercial. Somente Pesquisa. Entre em contato para mais informações. **
### Evals
| Tasks | Version | Filter | n-shot | Metric | Value | ± | Stderr |
|------------------------------|---------|-----------------------|--------|----------|-------|----|--------|
| assin2_rte | 1.1 | all | 15 | f1_macro | 0.9358| ± | 0.0035 |
| | | all | 15 | acc | 0.9359| ± | 0.0035 |
| assin2_sts | 1.1 | all | 15 | pearson | 0.7803| ± | 0.0068 |
| | | all | 15 | mse | 0.5815| ± | N/A |
| bluex | 1.1 | all | 3 | acc | 0.6745| ± | 0.0101 |
| | | exam_id__USP_2019 | 3 | acc | 0.5500| ± | 0.0453 |
| | | exam_id__UNICAMP_2021_1| 3 | acc | 0.5870| ± | 0.0418 |
| | | exam_id__USP_2020 | 3 | acc | 0.6250| ± | 0.0373 |
| | | exam_id__USP_2022 | 3 | acc | 0.6939| ± | 0.0381 |
| | | exam_id__UNICAMP_2019 | 3 | acc | 0.7200| ± | 0.0367 |
| | | exam_id__UNICAMP_2024 | 3 | acc | 0.5778| ± | 0.0425 |
| | | exam_id__USP_2018 | 3 | acc | 0.5926| ± | 0.0385 |
| | | exam_id__USP_2021 | 3 | acc | 0.6538| ± | 0.0381 |
| | | exam_id__UNICAMP_2023 | 3 | acc | 0.7442| ± | 0.0385 |
| | | exam_id__UNICAMP_2021_2| 3 | acc | 0.6667| ± | 0.0380 |
| | | exam_id__UNICAMP_2020 | 3 | acc | 0.7091| ± | 0.0355 |
| | | exam_id__USP_2023 | 3 | acc | 0.8182| ± | 0.0336 |
| | | exam_id__USP_2024 | 3 | acc | 0.8537| ± | 0.0318 |
| | | exam_id__UNICAMP_2022 | 3 | acc | 0.6667| ± | 0.0435 |
| | | exam_id__UNICAMP_2018 | 3 | acc | 0.6852| ± | 0.0364 |
| enem | 1.1 | all | 3 | acc | 0.8062| ± | 0.0060 |
| | | exam_id__2016_2 | 3 | acc | 0.7967| ± | 0.0210 |
| | | exam_id__2014 | 3 | acc | 0.8165| ± | 0.0214 |
| | | exam_id__2010 | 3 | acc | 0.8291| ± | 0.0202 |
| | | exam_id__2023 | 3 | acc | 0.8000| ± | 0.0199 |
| | | exam_id__2009 | 3 | acc | 0.7913| ± | 0.0219 |
| | | exam_id__2017 | 3 | acc | 0.7931| ± | 0.0217 |
| | | exam_id__2011 | 3 | acc | 0.8718| ± | 0.0178 |
| | | exam_id__2015 | 3 | acc | 0.8151| ± | 0.0205 |
| | | exam_id__2012 | 3 | acc | 0.8621| ± | 0.0185 |
| | | exam_id__2016 | 3 | acc | 0.8430| ± | 0.0190 |
| | | exam_id__2013 | 3 | acc | 0.7870| ± | 0.0228 |
| | | exam_id__2022 | 3 | acc | 0.6842| ± | 0.0233 |
| faquad_nli | 1.1 | all | 15 | f1_macro | 0.4545| ± | 0.0081 |
| | | all | 15 | acc | 0.7877| ± | 0.0113 |
| hatebr_offensive_binary | 1.0 | all | 25 | f1_macro | 0.7212| ± | 0.0087 |
| | | all | 25 | acc | 0.7393| ± | 0.0083 |
| oab_exams | 1.5 | all | 3 | acc | 0.5718| ± | 0.0061 |
|