|
--- |
|
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 | |
|
|
