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
По https://github.com/NLP-Core-Team/mmlu_ru
Квантизация в 4b: accuracy_total=41.86218134391028
- Downloads last month
- 3
Unable to determine this model’s pipeline type. Check the
docs
.