初始化项目，由ModelHub XC社区提供模型
Model: AvitoTech/avibe Source: Original Platform
This commit is contained in:
ModelHub XC
142
README.md
Normal file
142
README.md
Normal file
@@ -0,0 +1,142 @@
|
||||
---
|
||||
license: apache-2.0
|
||||
language:
|
||||
- ru
|
||||
- en
|
||||
base_model:
|
||||
- Qwen/Qwen3-8B
|
||||
pipeline_tag: text-generation
|
||||
library_name: transformers
|
||||
---
|
||||
A-vibe это большая языковая модель, созданная Авито Тех, дочерней технологической компанией Авито, на базе открытой модели Qwen3-8B-Base.
|
||||
Мы адаптировали Qwen3-8B-Base под русский язык и домен Авито с помощью нескольких шагов:
|
||||
1. Сделали свой токенизатор, оптимальный для русского и английского языка
|
||||
2. Подменили оригинальный токенизатор Qwen3-8B-Base на собственный токенизатор
|
||||
3. Обучили полученную модель на большом корпусе данных
|
||||
4. Провели SFT этап
|
||||
5. Сделали RL
|
||||
|
||||
В результате нам удалось получить модель, которая выигрывает instruct версию Qwen3-8B по многим русскоязычным бенчмаркам.
|
||||
На SFT и RL этапе нам удалось научить модель Function Calling и улучшить ее навыки в решении математических задач.
|
||||
|
||||
||Qwen3-8B (no_think)|A-vibe|
|
||||
|:---|:---|:---|
|
||||
|mmlu_ru|0,701|**0,718**|
|
||||
|mmlu_en|0,730|**0,752**|
|
||||
|gpqa_diamond_ru|0,318|**0,343**|
|
||||
|gpqa_diamond_en|**0,369**|0,318|
|
||||
|shlepa|0,454|**0,486**|
|
||||
|baby mmlu|0,682|**0,766**|
|
||||
|math_500_ru|0,546|**0,686**|
|
||||
|math_500_en|**0,736**|0,714|
|
||||
|gsm8k_en|**0,927**|0,910|
|
||||
|DOoM|0,240|**0,280**|
|
||||
|ru_facts|**0,724**|0,718|
|
||||
|rublimp|0,916|**0,930**|
|
||||
|ru_drop|0,318|**0,394**|
|
||||
|BFCL_V3_en|**60,2%**|58,63%|
|
||||
|BFCL_V3_ru|**50.72%**|49.00%|
|
||||
|MERA_text|0,510|**0,618**|
|
||||
|MERA CODE private total|0,336|**0,367**|
|
||||
|
||||
|
||||
В токенизаторе A-vibe плотность токенизации выше, чем у Qwen3-8B поэтому число токенов в контексте и при генерации стало меньше для одинаковых примеров.
|
||||
Кроме того, размер самой модели сократился до 7.9B при 8.2B у Qwen3-8B. За счет этого одинаковые русскоязычные примеры адаптированной моделью обрабатываются быстрее в среднем на 15-25% в сравнении с исходной Qwen3-8B
|
||||
|
||||
# Quickstart
|
||||
Ниже представлен фрагмент кода, демонстрирующий, как загрузить токенизатор и модель, а также как сгенерировать ответ.
|
||||
```python
|
||||
from transformers import AutoModelForCausalLM, AutoTokenizer
|
||||
|
||||
model_name = "AvitoTech/avibe"
|
||||
|
||||
model = AutoModelForCausalLM.from_pretrained(
|
||||
model_name,
|
||||
torch_dtype="auto",
|
||||
device_map="auto"
|
||||
)
|
||||
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
||||
|
||||
prompt = "Привет, подскажи рецепт борща"
|
||||
messages = [
|
||||
{"role": "user", "content": prompt}
|
||||
]
|
||||
text = tokenizer.apply_chat_template(
|
||||
messages,
|
||||
tokenize=False,
|
||||
add_generation_prompt=True
|
||||
)
|
||||
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
|
||||
|
||||
generated_ids = model.generate(
|
||||
**model_inputs,
|
||||
max_new_tokens=1024
|
||||
)
|
||||
generated_ids = [
|
||||
output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
|
||||
]
|
||||
|
||||
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
|
||||
print(response)
|
||||
```
|
||||
|
||||
<details>
|
||||
<summary> Output:</summary>
|
||||
Вот классический рецепт борща с пошаговыми инструкциями:
|
||||
|
||||
---
|
||||
|
||||
### **Ингредиенты (на 4 порции):**
|
||||
- **Мясо** (говядина, свинина или курица) — 300–400 г
|
||||
- **Свекла** — 2 шт. (средние)
|
||||
- **Капуста белокочанная** — 300 г
|
||||
- **Морковь** — 1 шт.
|
||||
- **Лук репчатый** — 1 шт.
|
||||
- **Картофель** — 3–4 шт.
|
||||
- **Помидоры свежие** (или томатная паста) — 2 шт. (или 2 ст. ложки)
|
||||
- **Чеснок** — 2–3 зубчика
|
||||
- **Лавровый лист** — 1–2 шт.
|
||||
- **Перец горошком** — 3–5 шт.
|
||||
- **Соль, сахар** — по вкусу
|
||||
- **Растительное масло** — 2–3 ст. ложки
|
||||
- **Уксус или лимонный сок** — 1 ст. ложка (для сохранения цвета свеклы)
|
||||
- **Зелень** (укроп, петрушка) — для подачи
|
||||
- **Сметана** — по желанию
|
||||
|
||||
---
|
||||
|
||||
### **Пошаговое приготовление:**
|
||||
|
||||
1. **Подготовка бульона:**
|
||||
- Мясо промойте, нарежьте на куски и залейте 2,5–3 литрами холодной воды.
|
||||
- Доведите до кипения, снимите пену.
|
||||
- Добавьте лавровый лист, перец горошком и варите 1,5–2 часа на медленном огне. За 30 минут до готовности посолите.
|
||||
|
||||
2. **Овощи:**
|
||||
- **Свеклу** натрите на крупной терке. Обжарьте на растительном масле 5–7 минут, добавьте уксус (или лимонный сок) и 2 ст. ложки воды. Тушите 10 минут.
|
||||
- **Капусту** нашинкуйте тонкой соломкой.
|
||||
- **Картофель** нарежьте кубиками.
|
||||
- **Морковь** натрите, лук — мелко нарежьте.
|
||||
- **Помидоры** натрите на терке или используйте томатную пасту.
|
||||
|
||||
3. **Сборка борща:**
|
||||
- В кипящий бульон сначала добавьте картофель, варите 10 минут.
|
||||
- Затем введите капусту, морковь и лук. Варите еще 10 минут.
|
||||
- Добавьте обжаренную свеклу и помидоры (или томатную пасту). Перемешайте.
|
||||
- За 5 минут до готовности влейте измельченный чеснок (через пресс или мелко нарезанный).
|
||||
|
||||
4. **Финальные штрихи:**
|
||||
- Проверьте вкус, добавьте сахар (если нужно) и зелень.
|
||||
- Снимите с огня, накройте крышкой и дайте настояться 15–20 минут.
|
||||
|
||||
5. **Подача:**
|
||||
- Разлейте борщ по тарелкам, добавьте сметану и свежую зелень.
|
||||
|
||||
---
|
||||
|
||||
### **Советы:**
|
||||
- Для более насыщенного вкуса можно обжарить мясо перед варкой.
|
||||
- Если любите кислинку, добавьте 1 ст. ложку уксуса или лимонного сока в самом конце.
|
||||
- Вегетарианский вариант: замените мясо на грибы или варите на овощном бульоне.
|
||||
|
||||
Приятного аппетита! 🍲 </details>
|
||||
Reference in New Issue
Block a user