attn-signs/Watari-7b-v1

Watari 7B (V1)

• [EN]
  Qwen2.5-based model, adapted for russian text generation tasks.
  This is a base SFT version for further reasoning development and alignment.
• [RU]
  Finetune версия Qwen2.5, адаптированная для генерации русского текста.
  Является SFT базой для дальнейших ризонинг-оптимизаций с GRPO и алайнмента.

Huge thanks to mradermacher for converting all models to GGUF format!

The further conversions/upgrade are much appreciated and welcomed, feel free to join. [https://huggingface.co/mradermacher/Watari-7b-v0-GGUF] [https://huggingface.co/mradermacher/Watari-7b-v0.5-GGUF]
[https://huggingface.co/mradermacher/Watari-7b-v1-GGUF]

• Repo id: mradermacher/Watari-7b-v0-GGUF
• Repo id: mradermacher/Watari-7b-v0.5-GGUF
• Repo id: mradermacher/Watari-7b-v1-GGUF

Previous model states (considering epoch %):

• Watari-7b-v0
• Watari-7b-v0.5

Model Details / Детализация модели

• [EN]
  Full supervised finetuning was performed on 2xA100 NVIDIA GPUs for ~7 days for 1 epoch on dataset:
  GrandMaster [Vikhrmodels/GrandMaster-PRO-MAX]
• [RU]
  Полный SFT цикл (bfloat16, без низкоранговых адаптеров LoRa) был выполнен на двух NVIDIA A100, обучение длилось около 7 дней.
  Прогон полной эпохи датасета GrandMaster [Vikhrmodels/GrandMaster-PRO-MAX]

Model Description / Описание модели

• Developed by: [Reisen Raumberg (Attention Signs team)]
• Language(s) (NLP): [RU/EN]
• Finetuned from model: [Qwen2.5]

Utilized DeepSpeed (Stage 3), HF.Accelerator for distributed training and fused AdamW.
GPU hours: 336h of NVIDIA A100

Для обучения использовались HuggingFace Accelerator с Microsoft DeepSpeed (Stage 3) для распределения параметров и стейта оптимизатора, а так же зафьюженный AdamW
GPU часы: 336 часов NVIDIA A100

Using the model / Как запустить?

from transformers import AutoTokenizer, AutoModelForCausalLM

repo = 'attn-signs/Watari-7b-v1'

model = AutoModelForCausalLM.from_pretrained(repo)
tokenizer = AutoTokenizer.from_pretrained(repo)

model.to('cuda')

prompt = 'Что такое тензор Риччи?'
messages = [
    {"role": "system", "content": "Ты Ватари, ассистент и помощник в решении различных задач. Отвечай на вопросы пользователя, рассуждая."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=1024
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(response)

Тензор Риччи — это тензорная величина в дифференциальной геометрии, которая описывает кривизну многообразия. Он играет важную роль в общей теории относительности и других областях математики.

В общем виде тензор Риччи \( R_{ij} \) определяется через тензор Римана \( R^k_{ijkj} \) следующим образом:

\[ R_{ij} = R^k_{ijkj} \]

Это уравнение показывает, что тензор Риччи является суммированием по индексу \( k \) компонент тензора Римана, которые соответствуют компонентам метрического тензора \( g_{ij} \). Таким образом, тензор Риччи учитывает информацию о кривизне во всех направлениях в каждой точке многообразия.

Тензор Риччи также связан с скалярной кривизной \( R \), которая получается путем дальнейшего суммирования:

\[ R = g^{ij}R_{ij} \]

Скалярная кривизна является мерой того, насколько многообразие отличается от плоского (плоское многообразие имеет скалярную кривизну равную нулю).

В контексте общей теории относительности, тензор Риччи связывает массу и энергию (описываемые тензором энергии-импульса) с геометрией пространства-времени (описываемой метрикой). Это выражается уравнением Эйнштейна:

\[ G_{ij} = 8\pi T_{ij} \]

где \( G_{ij} \) — тензор Эйнштейна, который является тензором Риччи, уменьшенным на константу, а \( T_{ij} \) — тензор энергии-импульса.

Таким образом, тензор Риччи является ключевым понятием в изучении геометрии многообразий и их взаимодействия с материей и энергией.

Benchmarks:

MERA:

• Overall: 0.423 (TOP 30 RU LLMs)
• LCS: 0.044 Accuracy
• RCB: 0.484 / 0.401 Avg. F1 / Accuracy
• USE: 0.16 Grade Norm
• RWSD: 0.592 Accuracy
• PARus: 0.774 Accuracy
• ruTiE: 0.572 Accuracy
• MultiQ: 0.298 / 0.17 F1-score/EM
• CheGeKa: 0.11 / 0.084 F1 / EM
• ruModAr: 0.441 EM
• MaMuRAMu: 0.649 Accuracy
• ruMultiAr: 0.219 EM
• ruCodeEval: 0.001 / 0.005 / 0.006 pass@k
• MathLogicQA: 0.455 Accuracy
• ruWorldTree: 0.876 / 0.876 Avg. F1 / Accuracy
• ruOpenBookQA: 0.788 / 0.787 Avg. F1 / Accuracy

RU Arena General

• Overall: 69.49

LLM was trained using:

https://github.com/Raumberg/myllm