File size: 11,347 Bytes
7e8a3ee |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 |
---
language:
- pt
- en
license: cc
tags:
- text-generation-inference
- transformers
- qwen
- gguf
- brazil
- brasil
- 14b
- portuguese
base_model: Qwen/Qwen1.5-14B-Chat
pipeline_tag: text-generation
---
# Cabra Qwen 14b
<img src="https://media.discordapp.net/attachments/1060891441724932096/1223839380070989834/blackpantera_cute_goat_with_blue_Qwen_in_the_background_brazil__6404a307-16d9-4216-8cba-c76b8bc9e95e.png?ex=661b503e&is=6608db3e&hm=7d058d5b2d7bc196c6af99ce036794ccb6d1c627b89ff8ae2bcdcbb7c75b7a69&=&format=webp&quality=lossless&width=1228&height=1228" width="400" height="400">
Esse modelo é um finetune do [Qwen 1.5 14b Chat](https://huggingface.co/Qwen/Qwen1.5-14B-Chat) com o dataset interno Cabra 10k. Esse modelo é otimizado para português e responde em portuguese nativamente. Ele apresenta melhoria em vários benchmarks brasileiros em comparação com o modelo base.
**Experimente 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 14b 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 fine-tuning. Vamos lançar em breve.
### Quantização / GGUF
Colocamos diversas versões (GGUF) quantanizadas no branch "quantanization".
### Exemplo
```
<s> [INST]Quem são os jogadores brasileiros de futebol mais conhecidos, atuais e passados?? [/INST]
O Brasil tem uma rica história na produção de alguns dos maiores jogadores de futebol do mundo. Alguns dos jogadores brasileiros mais importantes atualmente e que já jogaram incluem:
Pelé - amplamente considerado um dos maiores jogadores de todos os tempos, o Pelé venceu três Copas do Mundo com o Brasil e marcou mais de 1.000 gols em sua carreira.
Ronaldo Nazário de Lima - conhecido como Ronaldo, este jogador de ataque é o segundo maior artilheiro da história da seleção brasileira e ajudou o Brasil a vencer duas Copas do Mundo.
Ronaldinho Gaúcho - um criativo meio-campista ofensivo que jogou pelo Barcelona e pela AC Milan, o Ronaldinho foi nomeado Jogador Mundial FIFA de 2004 e ajudou o Brasil a vencer a Copa do Mundo de 2002.
Neymar Jr. - um dos melhores jogadores do mundo hoje, o Neymar desempenhou um papel fundamental ao liderar o Brasil para várias vitórias em torneios principais e é conhecido por suas habilidades incríveis de drible e capacidade de marcar gols.
Esses são apenas alguns exemplos dos muitos talentosos jogadores de futebol que vieram do Brasil ao longo de sua rica história.
</s>
```
### 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 vieses 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 | 0.9142 | ± 0.0040 |
| | | all | 15 | acc | 0.9142 | ± 0.0040 |
| assin2_sts | 1.1 | all | 15 | pearson | 0.8085 | ± 0.0059 |
| | | all | 15 | mse | 0.4023 | ± N/A |
| bluex | 1.1 | all | 3 | acc | 0.6078 | ± 0.0105 |
| | | exam_id__UNICAMP_2020| 3 | acc | 0.5818 | ± 0.0385 |
| | | exam_id__UNICAMP_2021_1| 3 | acc | 0.6087 | ± 0.0416 |
| | | exam_id__USP_2023 | 3 | acc | 0.6591 | ± 0.0410 |
| | | exam_id__USP_2020 | 3 | acc | 0.5714 | ± 0.0381 |
| | | exam_id__USP_2018 | 3 | acc | 0.5926 | ± 0.0385 |
| | | exam_id__UNICAMP_2018| 3 | acc | 0.5556 | ± 0.0390 |
| | | exam_id__UNICAMP_2023| 3 | acc | 0.6279 | ± 0.0426 |
| | | exam_id__USP_2024 | 3 | acc | 0.8293 | ± 0.0339 |
| | | exam_id__USP_2022 | 3 | acc | 0.5306 | ± 0.0411 |
| | | exam_id__USP_2019 | 3 | acc | 0.5750 | ± 0.0452 |
| | | exam_id__UNICAMP_2024| 3 | acc | 0.6444 | ± 0.0412 |
| | | exam_id__UNICAMP_2019| 3 | acc | 0.6400 | ± 0.0392 |
| | | exam_id__UNICAMP_2021_2| 3 | acc | 0.5882 | ± 0.0397 |
| | | exam_id__USP_2021 | 3 | acc | 0.5577 | ± 0.0400 |
| | | exam_id__UNICAMP_2022| 3 | acc | 0.6154 | ± 0.0450 |
| enem | 1.1 | all | 3 | acc | 0.7516 | ± 0.0066 |
| | | exam_id__2009 | 3 | acc | 0.7739 | ± 0.0225 |
| | | exam_id__2013 | 3 | acc | 0.7407 | ± 0.0244 |
| | | exam_id__2012 | 3 | acc | 0.7586 | ± 0.0230 |
| | | exam_id__2023 | 3 | acc | 0.6741 | ± 0.0233 |
| | | exam_id__2016 | 3 | acc | 0.7686 | ± 0.0220 |
| | | exam_id__2015 | 3 | acc | 0.7731 | ± 0.0221 |
| | | exam_id__2011 | 3 | acc | 0.8205 | ± 0.0205 |
| | | exam_id__2010 | 3 | acc | 0.7179 | ± 0.0241 |
| | | exam_id__2014 | 3 | acc | 0.7339 | ± 0.0245 |
| | | exam_id__2016_2 | 3 | acc | 0.7724 | ± 0.0219 |
| | | exam_id__2022 | 3 | acc | 0.7143 | ± 0.0227 |
| | | exam_id__2017 | 3 | acc | 0.7845 | ± 0.0220 |
| faquad_nli | 1.1 | all | 15 | f1_macro | 0.4605 | ± 0.0093 |
| | | all | 15 | acc | 0.7862 | ± 0.0114 |
| hatebr_offensive_binary | 1.0 | all | 25 | f1_macro | 0.7932 | ± 0.0077 |
| | | all | 25 | acc | 0.7986 | ± 0.0076 |
| oab_exams | 1.5 | all | 3 | acc | 0.4989 | ± 0.0062 |
| | | exam_id__2012-08 | 3 | acc | 0.5250 | ± 0.0322 |
| | | exam_id__2015-17 | 3 | acc | 0.6795 | ± 0.0305 |
| | | exam_id__2016-21 | 3 | acc | 0.4000 | ± 0.0316 |
| | | exam_id__2013-12 | 3 | acc | 0.4750 | ± 0.0323 |
| | | exam_id__2010-02 | 3 | acc | 0.5300 | ± 0.0288 |
| | | exam_id__2011-04 | 3 | acc | 0.4625 | ± 0.0323 |
| | | exam_id__2011-05 | 3 | acc | 0.5750 | ± 0.0319 |
| | | exam_id__2015-18 | 3 | acc | 0.5250 | ± 0.0322 |
| | | exam_id__2012-07 | 3 | acc | 0.4750 | ± 0.0323 |
| | | exam_id__2013-11 | 3 | acc | 0.4750 | ± 0.0322 |
| | | exam_id__2012-09 | 3 | acc | 0.4156 | ± 0.0324 |
| | | exam_id__2014-13 | 3 | acc | 0.4875 | ± 0.0323 |
| | | exam_id__2015-16 | 3 | acc | 0.5500 | ± 0.0321 |
| | | exam_id__2017-23 | 3 | acc | 0.3875 | ± 0.0314 |
| | | exam_id__2017-24 | 3 | acc | 0.5250 | ± 0.0322 |
| | | exam_id__2018-25 | 3 | acc | 0.5250 | ± 0.0323 |
| | | exam_id__2012-06 | 3 | acc | 0.4125 | ± 0.0317 |
| | | exam_id__2010-01 | 3 | acc | 0.3882 | ± 0.0305 |
| | | exam_id__2011-03 | 3 | acc | 0.4646 | ± 0.0288 |
| | | exam_id__2014-14 | 3 | acc | 0.5750 | ± 0.0319 |
| | | exam_id__2016-20a | 3 | acc | 0.4875 | ± 0.0323 |
| | | exam_id__2012-06a | 3 | acc | 0.5500 | ± 0.0320 |
| | | exam_id__2016-20 | 3 | acc | 0.5375 | ± 0.0322 |
| | | exam_id__2016-19 | 3 | acc | 0.4231 | ± 0.0322 |
| | | exam_id__2013-10 | 3 | acc | 0.5125 | ± 0.0323 |
| | | exam_id__2017-22 | 3 | acc | 0.5250 | ± 0.0322 |
| | | exam_id__2014-15 | 3 | acc | 0.5897 | ± 0.0323 |
| portuguese_hate_speech_binary | 1.0 | all | 25 | f1_macro | 0.7180 | ± 0.0115 |
| | | all | 25 | acc | 0.7462 | ± 0.0106 |
|