---
language:
- ru
- en
license: apache-2.0
library_name: torchtune
base_model:
- mistralai/Mistral-7B-v0.1
datasets:
- IlyaGusev/rulm
---

Модель mistralai/Mistral-7B-v0.1, обучение всех слоев с ~4млрд токенов из датасета.

130 часов 2xTesla H100.

```
batch_size: 20
epochs: 1
optimizer:
  _component_: torch.optim.AdamW
  lr: 5e-6
  weight_decay: 0.01
loss:
  _component_: torch.nn.CrossEntropyLoss
max_steps_per_epoch: null
gradient_accumulation_steps: 5
```
Размер последовательности 1024 токенов.

Loss curve
![image/png](https://huggingface.co/kirv/Mistral-7b-tokens4b-v1/resolve/main/loss.png?download=true)

По https://github.com/NLP-Core-Team/mmlu_ru

Квантизация в 4b: accuracy_total=41.86218134391028