初始化项目，由ModelHub XC社区提供模型
Model: Rafaelcedav/atlas-r2-qwen3-14b Source: Original Platform
This commit is contained in:
ModelHub XC
36
.gitattributes
vendored
Normal file
36
.gitattributes
vendored
Normal file
@@ -0,0 +1,36 @@
|
|||||||
|
*.7z filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.arrow filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.bin filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.bz2 filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ckpt filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ftz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.gz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.h5 filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.joblib filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.lfs.* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.mlmodel filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.model filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.msgpack filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.npy filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.npz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.onnx filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ot filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.parquet filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pb filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pickle filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pkl filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pt filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pth filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.rar filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.safetensors filter=lfs diff=lfs merge=lfs -text
|
||||||
|
saved_model/**/* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tar.* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tar filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tflite filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tgz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.wasm filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.xz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.zip filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.zst filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
tokenizer.json filter=lfs diff=lfs merge=lfs -text
|
||||||
242
README.md
Normal file
242
README.md
Normal file
@@ -0,0 +1,242 @@
|
|||||||
|
---
|
||||||
|
language:
|
||||||
|
- es
|
||||||
|
- en
|
||||||
|
license: apache-2.0
|
||||||
|
base_model: Qwen/Qwen3-14B
|
||||||
|
tags:
|
||||||
|
- fine-tuned
|
||||||
|
- legal
|
||||||
|
- audit
|
||||||
|
- forensic
|
||||||
|
- tax
|
||||||
|
- reasoning
|
||||||
|
- atlas
|
||||||
|
- amd
|
||||||
|
- rocm
|
||||||
|
- qwen3
|
||||||
|
- finance
|
||||||
|
- thinking
|
||||||
|
- multi-round
|
||||||
|
datasets:
|
||||||
|
- custom
|
||||||
|
pipeline_tag: text-generation
|
||||||
|
---
|
||||||
|
|
||||||
|
# ATLAS Qwen3-14B — Motor de Razonamiento Forense
|
||||||
|
|
||||||
|
> **14.7 mil millones de parámetros. Dos rondas de entrenamiento especializado. Un objetivo: pensar como el mejor auditor forense del mundo.**
|
||||||
|
|
||||||
|
Fine-tune multi-ronda de **Qwen3-14B** para detección de anomalías financieras y auditoría fiscal forense en México y USA. Entrenado íntegramente sobre **AMD Instinct MI300X** (205GB VRAM) como parte del sistema **ATLAS** — AMD Hackathon 2025.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## Historial de Entrenamiento
|
||||||
|
|
||||||
|
Este modelo no nació especializado. Fue construido en dos rondas de entrenamiento deliberadamente secuenciadas:
|
||||||
|
|
||||||
|
### Ronda 1 — Fundamentos (Rama: `main`)
|
||||||
|
```
|
||||||
|
Dataset: atlas_training_dataset_final.jsonl
|
||||||
|
Registros: 6,437 ejemplos financiero-legales MX/USA
|
||||||
|
Epochs: 3
|
||||||
|
Loss: 0.2697
|
||||||
|
Tiempo: 71 minutos
|
||||||
|
Hardware: AMD MI300X (205GB VRAM)
|
||||||
|
```
|
||||||
|
Primera exposición al dominio. El modelo aprende el vocabulario fiscal, los patrones de riesgo y la estructura argumentativa de un auditor. Establece la base de conocimiento.
|
||||||
|
|
||||||
|
### Ronda 2 — Especialización Legal (Rama: `legal-v2`)
|
||||||
|
```
|
||||||
|
Dataset: atlas_audit_master_unified.jsonl
|
||||||
|
Registros: 3,502 casos legales de alta complejidad
|
||||||
|
Epochs: 3
|
||||||
|
Loss: ~0.018 (train) | ~0.019 (eval)
|
||||||
|
Tiempo: ~47 minutos
|
||||||
|
Hardware: AMD MI300X (205GB VRAM)
|
||||||
|
```
|
||||||
|
Refinamiento sobre casos de mayor dificultad y especificidad normativa. El modelo profundiza en artículos específicos, cruces normativos MX/USA y construcción de argumentos forenses auditables. **Loss 15x mejor que Ronda 1.**
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ¿Por qué Qwen3-14B?
|
||||||
|
|
||||||
|
Qwen3-14B introduce **thinking mode** — la capacidad de razonar explícitamente antes de responder. En auditoría forense esto no es un lujo, es una necesidad:
|
||||||
|
|
||||||
|
```
|
||||||
|
<think>
|
||||||
|
Empresa reporta 50MDP en servicios de construcción con 1 empleado.
|
||||||
|
Ratio ingresos/empleado: inviable operativamente.
|
||||||
|
Domicilio: zona residencial → sin infraestructura industrial.
|
||||||
|
Patrón: EFOS clásico bajo Art. 69-B CFF, primer párrafo.
|
||||||
|
Procedimiento: verificación Art. 42 Fr. IX + solicitud documentación.
|
||||||
|
Riesgo estimado: ALTO. Requiere actuación inmediata.
|
||||||
|
</think>
|
||||||
|
|
||||||
|
RED FLAG CONFIRMADA — Art. 69-B CFF...
|
||||||
|
```
|
||||||
|
|
||||||
|
Un modelo que muestra su razonamiento es un modelo cuyos errores se pueden corregir. En contextos legales, eso es crítico.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## Dominio de Conocimiento
|
||||||
|
|
||||||
|
### México — Marco Normativo
|
||||||
|
| Área | Artículos |
|
||||||
|
|------|-----------|
|
||||||
|
| Operaciones Inexistentes (EFOS/EDOS) | Art. 69-B CFF |
|
||||||
|
| Facultades de Comprobación SAT | Art. 42 CFF |
|
||||||
|
| Infracciones y Sanciones | Arts. 76, 81, 82 CFF |
|
||||||
|
| Deducibilidad de Gastos | Art. 27 LISR |
|
||||||
|
| Precios de Transferencia | Art. 59-G LISR |
|
||||||
|
| RESICO Personas Físicas | Art. 140 LISR |
|
||||||
|
| Delitos Fiscales | Art. 108 CFF |
|
||||||
|
|
||||||
|
### USA — Internal Revenue Manual
|
||||||
|
| Área | Referencia |
|
||||||
|
|------|-----------|
|
||||||
|
| Examination of Returns | IRM 4.10 |
|
||||||
|
| Employment Tax / Worker Classification | IRM 4.23 |
|
||||||
|
| Anti-Money Laundering / FBAR | BSA, FinCEN 114 |
|
||||||
|
| International Examinations | IRM 4.61 |
|
||||||
|
| Bank Deposits Method | IRM 4.10.3 |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## Taxonomía de Razonamiento Forense
|
||||||
|
|
||||||
|
El modelo opera en 3 niveles de abstracción:
|
||||||
|
|
||||||
|
```
|
||||||
|
┌─────────────────────────────────────────────────────────┐
|
||||||
|
│ NIVEL 1: DETECCIÓN DE PATRONES │
|
||||||
|
│ • Incoherencia material (capacidad vs. ingresos) │
|
||||||
|
│ • Incoherencia geográfica (domicilio vs. actividad) │
|
||||||
|
│ • Facturación circular (A→B→C→A sin flujo real) │
|
||||||
|
│ • Structuring / Smurfing (depósitos sub-$10K) │
|
||||||
|
│ • Márgenes anómalos (precios de transferencia) │
|
||||||
|
└────────────────────────┬────────────────────────────────┘
|
||||||
|
▼
|
||||||
|
┌─────────────────────────────────────────────────────────┐
|
||||||
|
│ NIVEL 2: CRUCE NORMATIVO │
|
||||||
|
│ • Mapeo hallazgo → artículo específico │
|
||||||
|
│ • Jurisdicción aplicable (MX / USA / ambas) │
|
||||||
|
│ • Procedimiento de verificación recomendado │
|
||||||
|
│ • Carga de la prueba y estándares de evidencia │
|
||||||
|
└────────────────────────┬────────────────────────────────┘
|
||||||
|
▼
|
||||||
|
┌─────────────────────────────────────────────────────────┐
|
||||||
|
│ NIVEL 3: CONSTRUCCIÓN DE CASO │
|
||||||
|
│ • Síntesis de evidencia con trazabilidad │
|
||||||
|
│ • Cuantificación de riesgo fiscal estimado │
|
||||||
|
│ • Acciones correctivas priorizadas │
|
||||||
|
│ • Reporte ejecutivo auditable │
|
||||||
|
└─────────────────────────────────────────────────────────┘
|
||||||
|
```
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## Uso
|
||||||
|
|
||||||
|
```python
|
||||||
|
from transformers import AutoModelForCausalLM, AutoTokenizer
|
||||||
|
import torch
|
||||||
|
|
||||||
|
# Cargar Ronda 2 (especialización legal)
|
||||||
|
model_id = "Rafaelcedav/atlas-r2-qwen3-14b"
|
||||||
|
|
||||||
|
tokenizer = AutoTokenizer.from_pretrained(model_id, revision="legal-v2")
|
||||||
|
model = AutoModelForCausalLM.from_pretrained(
|
||||||
|
model_id,
|
||||||
|
revision="legal-v2",
|
||||||
|
torch_dtype=torch.bfloat16,
|
||||||
|
attn_implementation="eager", # Requerido en ROCm / AMD
|
||||||
|
device_map="auto"
|
||||||
|
)
|
||||||
|
|
||||||
|
messages = [
|
||||||
|
{
|
||||||
|
"role": "system",
|
||||||
|
"content": "Eres ATLAS, auditor forense senior especializado en derecho fiscal MX/USA. Activa thinking mode para casos complejos. Cita artículos específicos y construye argumentos auditables."
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"role": "user",
|
||||||
|
"content": "/think\n\nDistribuidora MX vende a filial en paraíso fiscal a precio 40% menor que mercado. Sin benchmarking documentado. Ingresos declarados inconsistentes con flujos bancarios. ¿Análisis completo?"
|
||||||
|
}
|
||||||
|
]
|
||||||
|
|
||||||
|
inputs = tokenizer.apply_chat_template(
|
||||||
|
messages, return_tensors="pt", add_generation_prompt=True
|
||||||
|
)
|
||||||
|
|
||||||
|
output = model.generate(
|
||||||
|
inputs,
|
||||||
|
max_new_tokens=2048,
|
||||||
|
temperature=0.6, # Recomendado por Qwen3 para thinking mode
|
||||||
|
top_p=0.95,
|
||||||
|
do_sample=True
|
||||||
|
)
|
||||||
|
|
||||||
|
print(tokenizer.decode(output[0][inputs.shape[-1]:], skip_special_tokens=True))
|
||||||
|
```
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## Rol en Pipeline ATLAS
|
||||||
|
|
||||||
|
```
|
||||||
|
PDF ──► [Vision · InternVL2-40B]
|
||||||
|
│
|
||||||
|
▼
|
||||||
|
[Compliance Router · Motor 11434]
|
||||||
|
│
|
||||||
|
▼
|
||||||
|
┌─────────────────────────────────┐
|
||||||
|
│ Qwen3-14B · Motor 8000 │ ◄── Este modelo
|
||||||
|
│ │
|
||||||
|
│ Recibe: campos extraídos │
|
||||||
|
│ Cruza: normativa aplicable │
|
||||||
|
│ Genera: hipótesis de riesgo │
|
||||||
|
│ Emite: veredicto trazable │
|
||||||
|
└────────────────┬────────────────┘
|
||||||
|
│
|
||||||
|
▼
|
||||||
|
[Validator · Integridad]
|
||||||
|
│
|
||||||
|
▼
|
||||||
|
[Explainer · Reporte PDF]
|
||||||
|
```
|
||||||
|
|
||||||
|
Sirve via **vLLM** con interfaz OpenAI-compatible en puerto 8000.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## Ecosistema ATLAS
|
||||||
|
|
||||||
|
| Modelo | Rol en Pipeline | Params | Eval Loss |
|
||||||
|
|--------|----------------|--------|-----------|
|
||||||
|
| **[atlas-r2-qwen3-14b](https://huggingface.co/Rafaelcedav/atlas-r2-qwen3-14b)** | **Razonamiento principal** | **14.7B** | **~0.019** |
|
||||||
|
| [atlas-finanzas-deepseek-r1-8b](https://huggingface.co/Rafaelcedav/atlas-finanzas-deepseek-r1-8b) | Análisis financiero profundo | 8.3B | 0.4829 |
|
||||||
|
| [atlas-mistral-7b-legal](https://huggingface.co/Rafaelcedav/atlas-mistral-7b-legal) | Agente legal MX/USA | 7.2B | **0.0184** |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## Stack Técnico
|
||||||
|
|
||||||
|
```yaml
|
||||||
|
GPU: AMD Instinct MI300X VF
|
||||||
|
VRAM: 205.8 GB
|
||||||
|
OS: Ubuntu 24.04 LTS
|
||||||
|
ROCm: 7.2
|
||||||
|
PyTorch: 2.5.1+rocm6.2
|
||||||
|
Transformers: 5.x
|
||||||
|
Optimizer: adamw_torch # Único estable en ROCm
|
||||||
|
Attention: eager # SDPA produce NaN en ROCm + bf16
|
||||||
|
Precision: bfloat16 # Nativo en MI300X
|
||||||
|
Serving: vLLM (OpenAI-compat)
|
||||||
|
```
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
*Two rounds. One mission. Built on AMD.*
|
||||||
89
chat_template.jinja
Normal file
89
chat_template.jinja
Normal file
@@ -0,0 +1,89 @@
|
|||||||
|
{%- if tools %}
|
||||||
|
{{- '<|im_start|>system\n' }}
|
||||||
|
{%- if messages[0].role == 'system' %}
|
||||||
|
{{- messages[0].content + '\n\n' }}
|
||||||
|
{%- endif %}
|
||||||
|
{{- "# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
|
||||||
|
{%- for tool in tools %}
|
||||||
|
{{- "\n" }}
|
||||||
|
{{- tool | tojson }}
|
||||||
|
{%- endfor %}
|
||||||
|
{{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
|
||||||
|
{%- else %}
|
||||||
|
{%- if messages[0].role == 'system' %}
|
||||||
|
{{- '<|im_start|>system\n' + messages[0].content + '<|im_end|>\n' }}
|
||||||
|
{%- endif %}
|
||||||
|
{%- endif %}
|
||||||
|
{%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
|
||||||
|
{%- for message in messages[::-1] %}
|
||||||
|
{%- set index = (messages|length - 1) - loop.index0 %}
|
||||||
|
{%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %}
|
||||||
|
{%- set ns.multi_step_tool = false %}
|
||||||
|
{%- set ns.last_query_index = index %}
|
||||||
|
{%- endif %}
|
||||||
|
{%- endfor %}
|
||||||
|
{%- for message in messages %}
|
||||||
|
{%- if message.content is string %}
|
||||||
|
{%- set content = message.content %}
|
||||||
|
{%- else %}
|
||||||
|
{%- set content = '' %}
|
||||||
|
{%- endif %}
|
||||||
|
{%- if (message.role == "user") or (message.role == "system" and not loop.first) %}
|
||||||
|
{{- '<|im_start|>' + message.role + '\n' + content + '<|im_end|>' + '\n' }}
|
||||||
|
{%- elif message.role == "assistant" %}
|
||||||
|
{%- set reasoning_content = '' %}
|
||||||
|
{%- if message.reasoning_content is string %}
|
||||||
|
{%- set reasoning_content = message.reasoning_content %}
|
||||||
|
{%- else %}
|
||||||
|
{%- if '</think>' in content %}
|
||||||
|
{%- set reasoning_content = content.split('</think>')[0].rstrip('\n').split('<think>')[-1].lstrip('\n') %}
|
||||||
|
{%- set content = content.split('</think>')[-1].lstrip('\n') %}
|
||||||
|
{%- endif %}
|
||||||
|
{%- endif %}
|
||||||
|
{%- if loop.index0 > ns.last_query_index %}
|
||||||
|
{%- if loop.last or (not loop.last and reasoning_content) %}
|
||||||
|
{{- '<|im_start|>' + message.role + '\n<think>\n' + reasoning_content.strip('\n') + '\n</think>\n\n' + content.lstrip('\n') }}
|
||||||
|
{%- else %}
|
||||||
|
{{- '<|im_start|>' + message.role + '\n' + content }}
|
||||||
|
{%- endif %}
|
||||||
|
{%- else %}
|
||||||
|
{{- '<|im_start|>' + message.role + '\n' + content }}
|
||||||
|
{%- endif %}
|
||||||
|
{%- if message.tool_calls %}
|
||||||
|
{%- for tool_call in message.tool_calls %}
|
||||||
|
{%- if (loop.first and content) or (not loop.first) %}
|
||||||
|
{{- '\n' }}
|
||||||
|
{%- endif %}
|
||||||
|
{%- if tool_call.function %}
|
||||||
|
{%- set tool_call = tool_call.function %}
|
||||||
|
{%- endif %}
|
||||||
|
{{- '<tool_call>\n{"name": "' }}
|
||||||
|
{{- tool_call.name }}
|
||||||
|
{{- '", "arguments": ' }}
|
||||||
|
{%- if tool_call.arguments is string %}
|
||||||
|
{{- tool_call.arguments }}
|
||||||
|
{%- else %}
|
||||||
|
{{- tool_call.arguments | tojson }}
|
||||||
|
{%- endif %}
|
||||||
|
{{- '}\n</tool_call>' }}
|
||||||
|
{%- endfor %}
|
||||||
|
{%- endif %}
|
||||||
|
{{- '<|im_end|>\n' }}
|
||||||
|
{%- elif message.role == "tool" %}
|
||||||
|
{%- if loop.first or (messages[loop.index0 - 1].role != "tool") %}
|
||||||
|
{{- '<|im_start|>user' }}
|
||||||
|
{%- endif %}
|
||||||
|
{{- '\n<tool_response>\n' }}
|
||||||
|
{{- content }}
|
||||||
|
{{- '\n</tool_response>' }}
|
||||||
|
{%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
|
||||||
|
{{- '<|im_end|>\n' }}
|
||||||
|
{%- endif %}
|
||||||
|
{%- endif %}
|
||||||
|
{%- endfor %}
|
||||||
|
{%- if add_generation_prompt %}
|
||||||
|
{{- '<|im_start|>assistant\n' }}
|
||||||
|
{%- if enable_thinking is defined and enable_thinking is false %}
|
||||||
|
{{- '<think>\n\n</think>\n\n' }}
|
||||||
|
{%- endif %}
|
||||||
|
{%- endif %}
|
||||||
75
config.json
Normal file
75
config.json
Normal file
@@ -0,0 +1,75 @@
|
|||||||
|
{
|
||||||
|
"architectures": [
|
||||||
|
"Qwen3ForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_bias": false,
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": null,
|
||||||
|
"dtype": "bfloat16",
|
||||||
|
"eos_token_id": 151645,
|
||||||
|
"head_dim": 128,
|
||||||
|
"hidden_act": "silu",
|
||||||
|
"hidden_size": 5120,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"intermediate_size": 17408,
|
||||||
|
"layer_types": [
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention",
|
||||||
|
"full_attention"
|
||||||
|
],
|
||||||
|
"max_position_embeddings": 40960,
|
||||||
|
"max_window_layers": 40,
|
||||||
|
"model_type": "qwen3",
|
||||||
|
"num_attention_heads": 40,
|
||||||
|
"num_hidden_layers": 40,
|
||||||
|
"num_key_value_heads": 8,
|
||||||
|
"pad_token_id": 151643,
|
||||||
|
"rms_norm_eps": 1e-06,
|
||||||
|
"rope_parameters": {
|
||||||
|
"rope_theta": 1000000,
|
||||||
|
"rope_type": "default"
|
||||||
|
},
|
||||||
|
"sliding_window": null,
|
||||||
|
"tie_word_embeddings": false,
|
||||||
|
"transformers_version": "5.7.0",
|
||||||
|
"use_cache": false,
|
||||||
|
"use_sliding_window": false,
|
||||||
|
"vocab_size": 151936
|
||||||
|
}
|
||||||
12
generation_config.json
Normal file
12
generation_config.json
Normal file
@@ -0,0 +1,12 @@
|
|||||||
|
{
|
||||||
|
"do_sample": true,
|
||||||
|
"eos_token_id": [
|
||||||
|
151645,
|
||||||
|
151643
|
||||||
|
],
|
||||||
|
"pad_token_id": 151643,
|
||||||
|
"temperature": 0.6,
|
||||||
|
"top_k": 20,
|
||||||
|
"top_p": 0.95,
|
||||||
|
"transformers_version": "5.7.0"
|
||||||
|
}
|
||||||
3
model.safetensors
Normal file
3
model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:a521398ab789ffd1a2837a133e0cd9f49b0069835efc0f1ec3058a408fcbab2d
|
||||||
|
size 29536666272
|
||||||
3
tokenizer.json
Normal file
3
tokenizer.json
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:bae3e39d56cfdb7b650cb318344d5c0f071d19fc9868ce086fef0cee78d5e7ff
|
||||||
|
size 11422749
|
||||||
30
tokenizer_config.json
Normal file
30
tokenizer_config.json
Normal file
@@ -0,0 +1,30 @@
|
|||||||
|
{
|
||||||
|
"add_prefix_space": false,
|
||||||
|
"backend": "tokenizers",
|
||||||
|
"bos_token": null,
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "<|im_end|>",
|
||||||
|
"errors": "replace",
|
||||||
|
"extra_special_tokens": [
|
||||||
|
"<|im_start|>",
|
||||||
|
"<|im_end|>",
|
||||||
|
"<|object_ref_start|>",
|
||||||
|
"<|object_ref_end|>",
|
||||||
|
"<|box_start|>",
|
||||||
|
"<|box_end|>",
|
||||||
|
"<|quad_start|>",
|
||||||
|
"<|quad_end|>",
|
||||||
|
"<|vision_start|>",
|
||||||
|
"<|vision_end|>",
|
||||||
|
"<|vision_pad|>",
|
||||||
|
"<|image_pad|>",
|
||||||
|
"<|video_pad|>"
|
||||||
|
],
|
||||||
|
"is_local": false,
|
||||||
|
"local_files_only": false,
|
||||||
|
"model_max_length": 131072,
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"split_special_tokens": false,
|
||||||
|
"tokenizer_class": "Qwen2Tokenizer",
|
||||||
|
"unk_token": null
|
||||||
|
}
|
||||||
3
training_args.bin
Normal file
3
training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:547fe3f1bb180cf06a79f6c2cbc8c227b0dd398c2dd75218baf46b1556ff7510
|
||||||
|
size 4856
|
||||||
Reference in New Issue
Block a user