--- language: - pt - en license: cc tags: - text-generation-inference - transformers - qwen - gguf - brazil - brasil - portuguese base_model: Qwen/Qwen1.5-7B-Chat pipeline_tag: text-generation model-index: - name: CabraQwen7b results: - task: type: text-generation name: Text Generation dataset: name: ENEM Challenge (No Images) type: eduagarcia/enem_challenge split: train args: num_few_shot: 3 metrics: - type: acc value: 69.21 name: accuracy source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: BLUEX (No Images) type: eduagarcia-temp/BLUEX_without_images split: train args: num_few_shot: 3 metrics: - type: acc value: 56.05 name: accuracy source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: OAB Exams type: eduagarcia/oab_exams split: train args: num_few_shot: 3 metrics: - type: acc value: 43.23 name: accuracy source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: Assin2 RTE type: assin2 split: test args: num_few_shot: 15 metrics: - type: f1_macro value: 88.52 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: Assin2 STS type: eduagarcia/portuguese_benchmark split: test args: num_few_shot: 15 metrics: - type: pearson value: 76.17 name: pearson source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: FaQuAD NLI type: ruanchaves/faquad-nli split: test args: num_few_shot: 15 metrics: - type: f1_macro value: 57.8 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: HateBR Binary type: ruanchaves/hatebr split: test args: num_few_shot: 25 metrics: - type: f1_macro value: 76.32 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: PT Hate Speech Binary type: hate_speech_portuguese split: test args: num_few_shot: 25 metrics: - type: f1_macro value: 69.69 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard - task: type: text-generation name: Text Generation dataset: name: tweetSentBR type: eduagarcia-temp/tweetsentbr split: test args: num_few_shot: 25 metrics: - type: f1_macro value: 65.96 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=nicolasdec/CabraQwen7b name: Open Portuguese LLM Leaderboard --- # Cabra Qwen 7b Esse modelo é um finetune do [Qwen 1.5 7b Chat](https://huggingface.co/Qwen/Qwen1.5-7B-Chat) com o dataset interno Cabra 10k. Esse modelo é optimizado para português e responde em portuguese nativamente. Ele apresenta melhoria em varios benchmarks brasileiros em comparação com o modelo base. **Exprimente o nosso demo aqui: [CabraChat](https://huggingface.co/spaces/nicolasdec/CabraChat).** **Conheça os nossos outros modelos: [Cabra](https://huggingface.co/collections/botbot-ai/models-6604c2069ceef04f834ba99b).** ## Detalhes do Modelo ### Modelo: Qwen 1.5 7b 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 10k Dataset interno para finetuning. Vamos lançar em breve. ### Quantização / GGUF Colocamos diversas versões (GGUF) quantanizadas no branch "quantanization". ### Exemplo ``` [INST] What makes Brasília special? [/INST] Brasília, a capital do Brasil, é uma cidade única e especial por várias razões. Estabelecida como o novo centro político do país em 1960, ela foi projetada pelo arquiteto Oscar Niemeyer e pelo urbanista Lúcio Costa para ser um símbolo da modernidade e progresso brasileiro. Aqui estão algumas características que tornam Brasília especial: Design Urbano: A cidade é conhecida por seu design inovador e futurista, com seus arranha-céus imponentes, grandes praças abertas e espaços verdes extensos. O layout da cidade segue um padrão de grade, com cada distrito representando diferentes aspectos da cultura e história brasileira. Praça dos Três Poderes: Está enorme praça central é cercada pelos prédios da Assembleia Nacional (conhecido como "Palácio do Planalto"), Senado Federal e Supremo Tribunal Federal. É um marco icônico da cidade e um local popular para eventos políticos. Monumentos e Arquitetura: Brasília possui muitos monumentos impressionantes e edifícios arquitetônicos notáveis, incluindo o Museu Nacional de História Natural e Ciências, o Planetário Anhembi, o Palácio da Alvorada e a Basílica Nossa Senhora Aparecida. Espaços Verdes: A cidade é cercada por parques e reservas naturais, proporcionando aos moradores e visitantes amplos espaços para relaxar, praticar esportes ou simplesmente apreciar a beleza natural do ambiente. Cultura e Eventos: Como a capital nacional, Brasília hospeda vários festivais culturais e eventos importantes ao longo do ano, como o Festival Internacional de Cinema de Brasília, o Carnaval das Nações Unidas e o Festival de Música de Verão de Brasília. Significado Histórico: A construção de Brasília marcou um momento significativo na história do Brasil, pois simbolizou sua independência política e busca pela modernização. Ela também serviu como exemplo para outros países em desenvolvimento que buscavam criar novas capitais. Inclusão Social: Brasília foi projetada levando em consideração a inclusão social, com bairros bem planejados distribuídos uniformemente pela cidade para garantir acesso igualitário à educação, saúde e serviços públicos. Em resumo, Brasília é uma cidade única e especial devido ao seu design inovador, pontos turísticos icônicos, conexão histórica com o desenvolvimento do Brasil e compromisso com a inclusão social. ``` ### Paramentros de trainamento ``` - learning_rate: 1e-05 - train_batch_size: 4 - eval_batch_size: 4 - seed: 42 - distributed_type: multi-GPU - num_devices: 2 - gradient_accumulation_steps: 8 - total_train_batch_size: 64 - total_eval_batch_size: 8 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 - lr_scheduler_type: cosine - lr_scheduler_warmup_ratio: 0.01 - num_epochs: 3 ``` ### 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 viéses de modelos gerativos. **Proibido para uso comercial. Somente Pesquisa.** ### Evals | Tasks | Version | Filter | n-shot | Metric | Value | Stderr | |-----------------------------|---------|----------------------|--------|----------|--------|---------| | assin2_rte | 1.1 | all | 15 | f1_macro | 0.8852 | ± 0.0046 | | | | all | 15 | acc | 0.8852 | ± 0.0046 | | assin2_sts | 1.1 | all | 15 | pearson | 0.7618 | ± 0.0067 | | | | all | 15 | mse | 0.5283 | ± N/A | | bluex | 1.1 | all | 3 | acc | 0.5605 | ± 0.0107 | | | | exam_id__USP_2021 | 3 | acc | 0.5385 | ± 0.0400 | | | | exam_id__UNICAMP_2021_2| 3 | acc | 0.5490 | ± 0.0401 | | | | exam_id__USP_2019 | 3 | acc | 0.4750 | ± 0.0455 | | | | exam_id__USP_2022 | 3 | acc | 0.4898 | ± 0.0413 | | | | exam_id__USP_2020 | 3 | acc | 0.5714 | ± 0.0381 | | | | exam_id__UNICAMP_2019| 3 | acc | 0.6200 | ± 0.0398 | | | | exam_id__USP_2018 | 3 | acc | 0.5000 | ± 0.0392 | | | | exam_id__USP_2024 | 3 | acc | 0.7073 | ± 0.0411 | | | | exam_id__UNICAMP_2020| 3 | acc | 0.6000 | ± 0.0382 | | | | exam_id__UNICAMP_2024| 3 | acc | 0.6000 | ± 0.0422 | | | | exam_id__USP_2023 | 3 | acc | 0.5682 | ± 0.0429 | | | | exam_id__UNICAMP_2018| 3 | acc | 0.4444 | ± 0.0391 | | | | exam_id__UNICAMP_2021_1| 3 | acc | 0.4783 | ± 0.0425 | | | | exam_id__UNICAMP_2023| 3 | acc | 0.6047 | ± 0.0430 | | | | exam_id__UNICAMP_2022| 3 | acc | 0.7179 | ± 0.0416 | | enem | 1.1 | all | 3 | acc | 0.6921 | ± 0.0071 | | | | exam_id__2012 | 3 | acc | 0.7241 | ± 0.0240 | | | | exam_id__2015 | 3 | acc | 0.7059 | ± 0.0241 | | | | exam_id__2023 | 3 | acc | 0.6741 | ± 0.0233 | | | | exam_id__2016_2 | 3 | acc | 0.6992 | ± 0.0238 | | | | exam_id__2022 | 3 | acc | 0.6090 | ± 0.0245 | | | | exam_id__2010 | 3 | acc | 0.7436 | ± 0.0233 | | | | exam_id__2016 | 3 | acc | 0.6612 | ± 0.0248 | | | | exam_id__2009 | 3 | acc | 0.7391 | ± 0.0236 | | | | exam_id__2014 | 3 | acc | 0.6606 | ± 0.0262 | | | | exam_id__2017 | 3 | acc | 0.7155 | ± 0.0241 | | | | exam_id__2011 | 3 | acc | 0.7778 | ± 0.0222 | | | | exam_id__2013 | 3 | acc | 0.6019 | ± 0.0272 | | faquad_nli | 1.1 | all | 15 | f1_macro | 0.5780 | ± 0.0165 | | | | all | 15 | acc | 0.7785 | ± 0.0115 | | hatebr_offensive_binary | 1.0 | all | 25 | f1_macro | 0.7632 | ± 0.0082 | | | | all | 25 | acc | 0.7736 | ± 0.0079 | | oab_exams | 1.5 | all | 3 | acc | 0.4323 | ± 0.0061 | | | | exam_id__2015-18 | 3 | acc | 0.5000 | ± 0.0322 | | | | exam_id__2015-17 | 3 | acc | 0.5128 | ± 0.0326 | | | | exam_id__2010-01 | 3 | acc | 0.3412 | ± 0.0297 | | | | exam_id__2016-21 | 3 | acc | 0.4000 | ± 0.0317 | | | | exam_id__2012-06 | 3 | acc | 0.4500 | ± 0.0322 | | | | exam_id__2011-05 | 3 | acc | 0.3750 | ± 0.0313 | | | | exam_id__2016-20a | 3 | acc | 0.3250 | ± 0.0302 | | | | exam_id__2018-25 | 3 | acc | 0.4250 | ± 0.0319 | | | | exam_id__2016-19 | 3 | acc | 0.4359 | ± 0.0325 | | | | exam_id__2017-22 | 3 | acc | 0.4250 | ± 0.0319 | | | | exam_id__2016-20 | 3 | acc | 0.3875 | ± 0.0315 | | | | exam_id__2014-14 | 3 | acc | 0.4875 | ± 0.0324 | | | | exam_id__2017-24 | 3 | acc | 0.4625 | ± 0.0322 | | | | exam_id__2017-23 | 3 | acc | 0.4250 | ± 0.0320 | | | | exam_id__2012-06a | 3 | acc | 0.4625 | ± 0.0321 | | | | exam_id__2014-15 | 3 | acc | 0.5256 | ± 0.0326 | | | | exam_id__2012-09 | 3 | acc | 0.3377 | ± 0.0310 | | | | exam_id__2012-07 | 3 | acc | 0.4500 | ± 0.0322 | | | | exam_id__2014-13 | 3 | acc | 0.4500 | ± 0.0322 | | | | exam_id__2012-08 | 3 | acc | 0.4750 | ± 0.0323 | | | | exam_id__2013-11 | 3 | acc | 0.4250 | ± 0.0319 | | | | exam_id__2011-03 | 3 | acc | 0.3636 | ± 0.0279 | | | | exam_id__2013-12 | 3 | acc | 0.4625 | ± 0.0321 | | | | exam_id__2011-04 | 3 | acc | 0.3875 | ± 0.0315 | | | | exam_id__2010-02 | 3 | acc | 0.5400 | ± 0.0288 | | | | exam_id__2013-10 | 3 | acc | 0.4250 | ± 0.0320 | | | | exam_id__2015-16 | 3 | acc | 0.4125 | ± 0.0318 | | portuguese_hate_speech_binary | 1.0 | all | 25 | f1_macro | 0.6969 | ± 0.0119 | | | | all | 25 | acc | 0.7356 | ± 0.0107 | # [Open Portuguese LLM Leaderboard Evaluation Results](https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard) Detailed results can be found [here](https://huggingface.co/datasets/eduagarcia-temp/llm_pt_leaderboard_raw_results/tree/main/nicolasdec/CabraQwen7b) | Metric | Value | |--------------------------|---------| |Average |**66.99**| |ENEM Challenge (No Images)| 69.21| |BLUEX (No Images) | 56.05| |OAB Exams | 43.23| |Assin2 RTE | 88.52| |Assin2 STS | 76.17| |FaQuAD NLI | 57.80| |HateBR Binary | 76.32| |PT Hate Speech Binary | 69.69| |tweetSentBR | 65.96|