metadata
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
Esse modelo é um finetune do Qwen 1.5 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.
Conheça os nossos outros modelos: Cabra.
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 |