metadata
license: apache-2.0
language:
- ru
- en
library_name: torchtune
datasets:
- IlyaGusev/rulm
base_model:
- mistralai/Mistral-7B-v0.1
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: 2.03
По https://github.com/NLP-Core-Team/mmlu_ru Квантизация в 4b: accuracy_total=41.86218134391028