File size: 12,287 Bytes
1c77670 a253df1 1c77670 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 |
---
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
---
# Cabra Qwen 7b
<img src="https://uploads-ssl.webflow.com/65f77c0240ae1c68f8192771/660b1a4df7de79066317cafe_cabra2.png" width="400" height="400">
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
```
<s> [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.
</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 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 |
|