metadata
language:
- pt
- en
license: cc-by-nc-2.0
tags:
- text-generation-inference
- transformers
- qwen
- gguf
- brazil
- brasil
- 72bb
- portuguese
base_model: Qwen/Qwen1.5-72B-Chat
pipeline_tag: text-generation
model-index:
- name: Cabra-72b
results:
- task:
type: text-generation
name: Text Generation
dataset:
name: ENEM Challenge (No Images)
type: eduagarcia/enem_challenge
split: train
args:
num_few_shot: 3
metrics:
- type: acc
value: 80.62
name: accuracy
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: BLUEX (No Images)
type: eduagarcia-temp/BLUEX_without_images
split: train
args:
num_few_shot: 3
metrics:
- type: acc
value: 67.45
name: accuracy
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: OAB Exams
type: eduagarcia/oab_exams
split: train
args:
num_few_shot: 3
metrics:
- type: acc
value: 57.18
name: accuracy
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: Assin2 RTE
type: assin2
split: test
args:
num_few_shot: 15
metrics:
- type: f1_macro
value: 93.58
name: f1-macro
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: Assin2 STS
type: eduagarcia/portuguese_benchmark
split: test
args:
num_few_shot: 15
metrics:
- type: pearson
value: 78.03
name: pearson
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: FaQuAD NLI
type: ruanchaves/faquad-nli
split: test
args:
num_few_shot: 15
metrics:
- type: f1_macro
value: 45.45
name: f1-macro
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: HateBR Binary
type: ruanchaves/hatebr
split: test
args:
num_few_shot: 25
metrics:
- type: f1_macro
value: 72.12
name: f1-macro
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: PT Hate Speech Binary
type: hate_speech_portuguese
split: test
args:
num_few_shot: 25
metrics:
- type: f1_macro
value: 68.65
name: f1-macro
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
- task:
type: text-generation
name: Text Generation
dataset:
name: tweetSentBR
type: eduagarcia/tweetsentbr_fewshot
split: test
args:
num_few_shot: 25
metrics:
- type: f1_macro
value: 71.64
name: f1-macro
source:
url: >-
https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=botbot-ai/Cabra-72b
name: Open Portuguese LLM Leaderboard
Cabra 72b
Cabra 72b é um finetune do Qwen 1.5 72b Chat com o dataset Cabra 30k. Esse modelo é otimizado para português e responde em portuguese. Ele apresenta melhoria em vários benchmarks brasileiros em comparação com o modelo base.
Conheça os nossos outros modelos Cabra.
Detalhes do modelo base
Modelo: Qwen 1.5 72b 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 30k
Dataset interno para fine-tuning. Vamos lançar em breve.
Quantização / GGUF
Colocamos diversas versões (GGUF) quantanizadas no branch "quantanization". Infelizmente o HF limita o tamanho de arquivo a <50gb.
Exemplo
<s> [INST]Quem são os jogadores brasileiros de futebol mais conhecidos, atuais e pasados? [/INST]
O Brasil tem uma rica história na produção de alguns dos maiores jogadores de futebol do mundo. Alguns dos jogadores brasileiros mais importantes atualmente e que já jogaram incluem:
Pelé - amplamente considerado um dos maiores jogadores de todos os tempos, o Pelé venceu três Copas do Mundo com o Brasil e marcou mais de 1.000 gols em sua carreira.
Ronaldo Nazário de Lima - conhecido como Ronaldo, este jogador de ataque é o segundo maior artilheiro da história da seleção brasileira e ajudou o Brasil a vencer duas Copas do Mundo.
Ronaldinho Gaúcho - um criativo meio-campista ofensivo que jogou pelo Barcelona e pela AC Milan, o Ronaldinho foi nomeado Jogador Mundial FIFA de 2004 e ajudou o Brasil a vencer a Copa do Mundo de 2002.
Neymar Jr. - um dos melhores jogadores do mundo hoje, o Neymar desempenhou um papel fundamental ao liderar o Brasil para várias vitórias em torneios principais e é conhecido por suas habilidades incríveis de drible e capacidade de marcar gols.
Esses são apenas alguns exemplos dos muitos talentosos jogadores de futebol que vieram do Brasil ao longo de sua rica história.
</s>
Paramentros de trainamento
- train/epoch: 3
- train/global_step: 1,893
- train/grad_norm: 0.5843151168226935
- train/learning_rate: 0.00000000006323276533
- train/loss: 0.4379
- train/total_flos: 7,334,660,338,089,984
- train/train_loss: 0.628420232404053
- train/train_runtime: 415,863.2395
- train/train_samples_per_second: 0.437
- train/train_steps_per_second: 0.005
- GPU: 8x A100 80GB SXB
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 vieses de modelos gerativos.
**Proibido para uso comercial. Somente Pesquisa. Entre em contato para mais informações. **
Evals
| Tasks | Version | Filter | n-shot | Metric | Value | ± | Stderr |
|---|---|---|---|---|---|---|---|
| assin2_rte | 1.1 | all | 15 | f1_macro | 0.9358 | ± | 0.0035 |
| all | 15 | acc | 0.9359 | ± | 0.0035 | ||
| assin2_sts | 1.1 | all | 15 | pearson | 0.7803 | ± | 0.0068 |
| all | 15 | mse | 0.5815 | ± | N/A | ||
| bluex | 1.1 | all | 3 | acc | 0.6745 | ± | 0.0101 |
| exam_id__USP_2019 | 3 | acc | 0.5500 | ± | 0.0453 | ||
| exam_id__UNICAMP_2021_1 | 3 | acc | 0.5870 | ± | 0.0418 | ||
| exam_id__USP_2020 | 3 | acc | 0.6250 | ± | 0.0373 | ||
| exam_id__USP_2022 | 3 | acc | 0.6939 | ± | 0.0381 | ||
| exam_id__UNICAMP_2019 | 3 | acc | 0.7200 | ± | 0.0367 | ||
| exam_id__UNICAMP_2024 | 3 | acc | 0.5778 | ± | 0.0425 | ||
| exam_id__USP_2018 | 3 | acc | 0.5926 | ± | 0.0385 | ||
| exam_id__USP_2021 | 3 | acc | 0.6538 | ± | 0.0381 | ||
| exam_id__UNICAMP_2023 | 3 | acc | 0.7442 | ± | 0.0385 | ||
| exam_id__UNICAMP_2021_2 | 3 | acc | 0.6667 | ± | 0.0380 | ||
| exam_id__UNICAMP_2020 | 3 | acc | 0.7091 | ± | 0.0355 | ||
| exam_id__USP_2023 | 3 | acc | 0.8182 | ± | 0.0336 | ||
| exam_id__USP_2024 | 3 | acc | 0.8537 | ± | 0.0318 | ||
| exam_id__UNICAMP_2022 | 3 | acc | 0.6667 | ± | 0.0435 | ||
| exam_id__UNICAMP_2018 | 3 | acc | 0.6852 | ± | 0.0364 | ||
| enem | 1.1 | all | 3 | acc | 0.8062 | ± | 0.0060 |
| exam_id__2016_2 | 3 | acc | 0.7967 | ± | 0.0210 | ||
| exam_id__2014 | 3 | acc | 0.8165 | ± | 0.0214 | ||
| exam_id__2010 | 3 | acc | 0.8291 | ± | 0.0202 | ||
| exam_id__2023 | 3 | acc | 0.8000 | ± | 0.0199 | ||
| exam_id__2009 | 3 | acc | 0.7913 | ± | 0.0219 | ||
| exam_id__2017 | 3 | acc | 0.7931 | ± | 0.0217 | ||
| exam_id__2011 | 3 | acc | 0.8718 | ± | 0.0178 | ||
| exam_id__2015 | 3 | acc | 0.8151 | ± | 0.0205 | ||
| exam_id__2012 | 3 | acc | 0.8621 | ± | 0.0185 | ||
| exam_id__2016 | 3 | acc | 0.8430 | ± | 0.0190 | ||
| exam_id__2013 | 3 | acc | 0.7870 | ± | 0.0228 | ||
| exam_id__2022 | 3 | acc | 0.6842 | ± | 0.0233 | ||
| faquad_nli | 1.1 | all | 15 | f1_macro | 0.4545 | ± | 0.0081 |
| all | 15 | acc | 0.7877 | ± | 0.0113 | ||
| hatebr_offensive_binary | 1.0 | all | 25 | f1_macro | 0.7212 | ± | 0.0087 |
| all | 25 | acc | 0.7393 | ± | 0.0083 | ||
| oab_exams | 1.5 | all | 3 | acc | 0.5718 | ± | 0.0061 |
Open Portuguese LLM Leaderboard Evaluation Results
Detailed results can be found here and on the 🚀 Open Portuguese LLM Leaderboard
| Metric | Value |
|---|---|
| Average | 70.52 |
| ENEM Challenge (No Images) | 80.62 |
| BLUEX (No Images) | 67.45 |
| OAB Exams | 57.18 |
| Assin2 RTE | 93.58 |
| Assin2 STS | 78.03 |
| FaQuAD NLI | 45.45 |
| HateBR Binary | 72.12 |
| PT Hate Speech Binary | 68.65 |
| tweetSentBR | 71.64 |