metadata

license: mit
library_name: trl
tags:
  - SFT
  - WeniGPT
base_model: meta-llama/Meta-Llama-3-8B
model-index:
  - name: Weni/WeniGPT-Agents-Llama3-1.0.8-SFT
    results: []
language:
  - pt

Weni/WeniGPT-Agents-Llama3-1.0.8-SFT

This model is a fine-tuned version of [meta-llama/Meta-Llama-3-8B] on the dataset Weni/wenigpt-agent-1.4.0 with the SFT trainer. It is part of the WeniGPT project for Weni. Description: Experiment with SFT and Llama3 and updates in requirements

It achieves the following results on the evaluation set: {'eval_loss': 1.3743919134140015, 'eval_runtime': 10.9572, 'eval_samples_per_second': 4.198, 'eval_steps_per_second': 4.198, 'epoch': 2.9932885906040267}

Intended uses & limitations

This model has not been trained to avoid specific intructions.

Training procedure

Finetuning was done on the model meta-llama/Meta-Llama-3-8B with the following prompt:

---------------------
System_prompt:
Agora você se chama {name}, você é {occupation} e seu objetivo é {chatbot_goal}. O adjetivo que mais define a sua personalidade é {adjective} e você se comporta da seguinte forma:
{instructions_formatted}

{context_statement}

Lista de requisitos:
 - Responda de forma natural, mas nunca fale sobre um assunto fora do contexto.
 - Nunca traga informações do seu próprio conhecimento.
 - Repito é crucial que você responda usando apenas informações do contexto.
 - Nunca mencione o contexto fornecido.
 - Nunca mencione a pergunta fornecida.
 - Gere a resposta mais útil possível para a pergunta usando informações do conexto acima.
 - Nunca elabore sobre o porque e como você fez a tarefa, apenas responda.


---------------------
Question:
{question}


---------------------
Response:
{answer}


---------------------

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0002
per_device_train_batch_size: 1
per_device_eval_batch_size: 1
gradient_accumulation_steps: 2
num_gpus: 1
total_train_batch_size: 2
optimizer: AdamW
lr_scheduler_type: cosine
num_steps: 669
quantization_type: bitsandbytes
LoRA: ("\n - bits: 4\n - use_exllama: True\n - device_map: auto\n - use_cache: False\n - lora_r: 8\n - lora_alpha: 16\n - lora_dropout: 0.05\n - bias: none\n - target_modules: ['v_proj', 'q_proj']\n - task_type: CAUSAL_LM",)

Training results

Framework versions

transformers==4.40.0
datasets==2.18.0
peft==0.10.0
safetensors==0.4.2
evaluate==0.4.1
bitsandbytes==0.43
huggingface_hub==0.22.2
seqeval==1.2.2
auto-gptq==0.7.1
gpustat==1.1.1
deepspeed==0.14.0
wandb==0.16.6
trl==0.8.1
accelerate==0.29.3
coloredlogs==15.0.1
traitlets==5.14.2
git+https://github.com/casper-hansen/AutoAWQ.git

Hardware

Cloud provided: runpod.io