File size: 16,169 Bytes
f6840b2
 
 
 
 
 
cf42dbb
f6840b2
 
 
 
 
 
 
 
 
 
 
cf42dbb
f6840b2
cf42dbb
f6840b2
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
---
library_name: peft
license: apache-2.0
base_model: mistralai/Mistral-7B-Instruct-v0.3
tags:
- llama-factory
- ia3
- generated_from_trainer
model-index:
- name: train_multirc_1745950267
  results: []
---

<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->

# train_multirc_1745950267

This model is a fine-tuned version of [mistralai/Mistral-7B-Instruct-v0.3](https://huggingface.co/mistralai/Mistral-7B-Instruct-v0.3) on the multirc dataset.
It achieves the following results on the evaluation set:
- Loss: 0.1457
- Num Input Tokens Seen: 83543088

## Model description

More information needed

## Intended uses & limitations

More information needed

## Training and evaluation data

More information needed

## Training procedure

### Training hyperparameters

The following hyperparameters were used during training:
- learning_rate: 5e-05
- train_batch_size: 2
- eval_batch_size: 2
- seed: 123
- gradient_accumulation_steps: 2
- total_train_batch_size: 4
- optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
- lr_scheduler_type: cosine
- training_steps: 40000

### Training results

| Training Loss | Epoch  | Step  | Validation Loss | Input Tokens Seen |
|:-------------:|:------:|:-----:|:---------------:|:-----------------:|
| 0.0558        | 0.0326 | 200   | 0.4775          | 418192            |
| 0.0154        | 0.0653 | 400   | 0.3317          | 836224            |
| 0.4028        | 0.0979 | 600   | 0.2511          | 1258320           |
| 0.3202        | 0.1305 | 800   | 0.2235          | 1673984           |
| 0.0732        | 0.1631 | 1000  | 0.2080          | 2097344           |
| 0.2171        | 0.1958 | 1200  | 0.1999          | 2515056           |
| 0.2525        | 0.2284 | 1400  | 0.1943          | 2943280           |
| 0.1277        | 0.2610 | 1600  | 0.1899          | 3360448           |
| 0.2023        | 0.2937 | 1800  | 0.1893          | 3782768           |
| 0.2733        | 0.3263 | 2000  | 0.1875          | 4205680           |
| 0.1995        | 0.3589 | 2200  | 0.1857          | 4620944           |
| 0.1312        | 0.3915 | 2400  | 0.1806          | 5037232           |
| 0.3288        | 0.4242 | 2600  | 0.1805          | 5452736           |
| 0.2526        | 0.4568 | 2800  | 0.1780          | 5872752           |
| 0.1762        | 0.4894 | 3000  | 0.1762          | 6285232           |
| 0.2628        | 0.5221 | 3200  | 0.1769          | 6699264           |
| 0.1193        | 0.5547 | 3400  | 0.1741          | 7118336           |
| 0.0968        | 0.5873 | 3600  | 0.1734          | 7533408           |
| 0.197         | 0.6200 | 3800  | 0.1715          | 7950560           |
| 0.1932        | 0.6526 | 4000  | 0.1725          | 8372672           |
| 0.0675        | 0.6852 | 4200  | 0.1701          | 8796048           |
| 0.2092        | 0.7178 | 4400  | 0.1704          | 9210416           |
| 0.1398        | 0.7505 | 4600  | 0.1695          | 9628832           |
| 0.1963        | 0.7831 | 4800  | 0.1680          | 10048144          |
| 0.0792        | 0.8157 | 5000  | 0.1707          | 10460144          |
| 0.1101        | 0.8484 | 5200  | 0.1684          | 10871296          |
| 0.2328        | 0.8810 | 5400  | 0.1661          | 11287600          |
| 0.1701        | 0.9136 | 5600  | 0.1652          | 11707328          |
| 0.3038        | 0.9462 | 5800  | 0.1644          | 12120624          |
| 0.1343        | 0.9789 | 6000  | 0.1669          | 12542416          |
| 0.1047        | 1.0114 | 6200  | 0.1671          | 12963008          |
| 0.3091        | 1.0440 | 6400  | 0.1649          | 13388336          |
| 0.1802        | 1.0767 | 6600  | 0.1639          | 13816224          |
| 0.2312        | 1.1093 | 6800  | 0.1636          | 14228240          |
| 0.1227        | 1.1419 | 7000  | 0.1636          | 14637984          |
| 0.2078        | 1.1746 | 7200  | 0.1643          | 15049216          |
| 0.0908        | 1.2072 | 7400  | 0.1641          | 15471984          |
| 0.2253        | 1.2398 | 7600  | 0.1611          | 15891152          |
| 0.1724        | 1.2725 | 7800  | 0.1612          | 16309376          |
| 0.0729        | 1.3051 | 8000  | 0.1654          | 16729632          |
| 0.1377        | 1.3377 | 8200  | 0.1617          | 17139952          |
| 0.0959        | 1.3703 | 8400  | 0.1617          | 17557136          |
| 0.2615        | 1.4030 | 8600  | 0.1614          | 17974864          |
| 0.0771        | 1.4356 | 8800  | 0.1597          | 18394320          |
| 0.2248        | 1.4682 | 9000  | 0.1604          | 18820208          |
| 0.0703        | 1.5009 | 9200  | 0.1585          | 19244192          |
| 0.2661        | 1.5335 | 9400  | 0.1603          | 19654192          |
| 0.1087        | 1.5661 | 9600  | 0.1738          | 20077520          |
| 0.2123        | 1.5987 | 9800  | 0.1638          | 20493344          |
| 0.1871        | 1.6314 | 10000 | 0.1566          | 20912896          |
| 0.1397        | 1.6640 | 10200 | 0.1566          | 21328976          |
| 0.1838        | 1.6966 | 10400 | 0.1564          | 21752192          |
| 0.2872        | 1.7293 | 10600 | 0.1562          | 22164912          |
| 0.1437        | 1.7619 | 10800 | 0.1552          | 22585216          |
| 0.1602        | 1.7945 | 11000 | 0.1577          | 23005600          |
| 0.1608        | 1.8271 | 11200 | 0.1566          | 23413712          |
| 0.1853        | 1.8598 | 11400 | 0.1552          | 23827536          |
| 0.2382        | 1.8924 | 11600 | 0.1547          | 24242256          |
| 0.1231        | 1.9250 | 11800 | 0.1562          | 24655408          |
| 0.1593        | 1.9577 | 12000 | 0.1571          | 25074096          |
| 0.1271        | 1.9903 | 12200 | 0.1541          | 25489056          |
| 0.1217        | 2.0228 | 12400 | 0.1539          | 25898496          |
| 0.3224        | 2.0555 | 12600 | 0.1561          | 26319696          |
| 0.1962        | 2.0881 | 12800 | 0.1537          | 26744896          |
| 0.1808        | 2.1207 | 13000 | 0.1565          | 27166064          |
| 0.0588        | 2.1534 | 13200 | 0.1540          | 27581264          |
| 0.1715        | 2.1860 | 13400 | 0.1535          | 27988880          |
| 0.0755        | 2.2186 | 13600 | 0.1599          | 28397472          |
| 0.2075        | 2.2512 | 13800 | 0.1544          | 28812800          |
| 0.1375        | 2.2839 | 14000 | 0.1569          | 29222656          |
| 0.0948        | 2.3165 | 14200 | 0.1556          | 29642224          |
| 0.2228        | 2.3491 | 14400 | 0.1553          | 30064704          |
| 0.206         | 2.3818 | 14600 | 0.1523          | 30481488          |
| 0.2614        | 2.4144 | 14800 | 0.1516          | 30900976          |
| 0.2144        | 2.4470 | 15000 | 0.1518          | 31321184          |
| 0.2015        | 2.4796 | 15200 | 0.1562          | 31730928          |
| 0.1263        | 2.5123 | 15400 | 0.1518          | 32146304          |
| 0.078         | 2.5449 | 15600 | 0.1538          | 32566096          |
| 0.1387        | 2.5775 | 15800 | 0.1526          | 32981664          |
| 0.0368        | 2.6102 | 16000 | 0.1515          | 33403328          |
| 0.1639        | 2.6428 | 16200 | 0.1536          | 33827808          |
| 0.1564        | 2.6754 | 16400 | 0.1503          | 34245456          |
| 0.0795        | 2.7081 | 16600 | 0.1516          | 34673616          |
| 0.0468        | 2.7407 | 16800 | 0.1520          | 35089872          |
| 0.1403        | 2.7733 | 17000 | 0.1517          | 35508944          |
| 0.1616        | 2.8059 | 17200 | 0.1561          | 35922144          |
| 0.2753        | 2.8386 | 17400 | 0.1502          | 36345856          |
| 0.0902        | 2.8712 | 17600 | 0.1507          | 36770688          |
| 0.1488        | 2.9038 | 17800 | 0.1514          | 37194864          |
| 0.0953        | 2.9365 | 18000 | 0.1510          | 37615344          |
| 0.077         | 2.9691 | 18200 | 0.1531          | 38030400          |
| 0.0876        | 3.0016 | 18400 | 0.1509          | 38435312          |
| 0.2077        | 3.0343 | 18600 | 0.1503          | 38869040          |
| 0.0981        | 3.0669 | 18800 | 0.1489          | 39294832          |
| 0.2002        | 3.0995 | 19000 | 0.1496          | 39706928          |
| 0.0804        | 3.1321 | 19200 | 0.1485          | 40121472          |
| 0.1886        | 3.1648 | 19400 | 0.1496          | 40537792          |
| 0.0639        | 3.1974 | 19600 | 0.1486          | 40958928          |
| 0.0807        | 3.2300 | 19800 | 0.1529          | 41378128          |
| 0.2395        | 3.2627 | 20000 | 0.1487          | 41794480          |
| 0.3287        | 3.2953 | 20200 | 0.1490          | 42208144          |
| 0.1315        | 3.3279 | 20400 | 0.1494          | 42625520          |
| 0.0903        | 3.3606 | 20600 | 0.1482          | 43054848          |
| 0.1272        | 3.3932 | 20800 | 0.1481          | 43472928          |
| 0.1451        | 3.4258 | 21000 | 0.1485          | 43892704          |
| 0.1077        | 3.4584 | 21200 | 0.1489          | 44309408          |
| 0.1034        | 3.4911 | 21400 | 0.1487          | 44724144          |
| 0.1073        | 3.5237 | 21600 | 0.1538          | 45143632          |
| 0.0487        | 3.5563 | 21800 | 0.1489          | 45567152          |
| 0.1089        | 3.5890 | 22000 | 0.1490          | 45983168          |
| 0.0441        | 3.6216 | 22200 | 0.1491          | 46401184          |
| 0.1729        | 3.6542 | 22400 | 0.1559          | 46813008          |
| 0.1677        | 3.6868 | 22600 | 0.1505          | 47233968          |
| 0.0671        | 3.7195 | 22800 | 0.1483          | 47650016          |
| 0.1531        | 3.7521 | 23000 | 0.1491          | 48064160          |
| 0.1185        | 3.7847 | 23200 | 0.1481          | 48484384          |
| 0.1924        | 3.8174 | 23400 | 0.1474          | 48897744          |
| 0.2113        | 3.8500 | 23600 | 0.1483          | 49308304          |
| 0.2101        | 3.8826 | 23800 | 0.1531          | 49728368          |
| 0.2145        | 3.9152 | 24000 | 0.1508          | 50140272          |
| 0.1506        | 3.9479 | 24200 | 0.1490          | 50557680          |
| 0.1616        | 3.9805 | 24400 | 0.1479          | 50978512          |
| 0.1815        | 4.0131 | 24600 | 0.1485          | 51394160          |
| 0.1009        | 4.0457 | 24800 | 0.1460          | 51821712          |
| 0.1093        | 4.0783 | 25000 | 0.1472          | 52244608          |
| 0.0902        | 4.1109 | 25200 | 0.1470          | 52659888          |
| 0.1097        | 4.1436 | 25400 | 0.1489          | 53073648          |
| 0.1237        | 4.1762 | 25600 | 0.1473          | 53493696          |
| 0.1174        | 4.2088 | 25800 | 0.1462          | 53907648          |
| 0.1013        | 4.2415 | 26000 | 0.1479          | 54327568          |
| 0.1924        | 4.2741 | 26200 | 0.1495          | 54743840          |
| 0.1208        | 4.3067 | 26400 | 0.1486          | 55158912          |
| 0.1074        | 4.3393 | 26600 | 0.1482          | 55575232          |
| 0.0959        | 4.3720 | 26800 | 0.1479          | 55994160          |
| 0.1721        | 4.4046 | 27000 | 0.1470          | 56410736          |
| 0.1117        | 4.4372 | 27200 | 0.1476          | 56838864          |
| 0.0809        | 4.4699 | 27400 | 0.1465          | 57245776          |
| 0.0728        | 4.5025 | 27600 | 0.1474          | 57651824          |
| 0.0711        | 4.5351 | 27800 | 0.1478          | 58060672          |
| 0.2079        | 4.5677 | 28000 | 0.1478          | 58475488          |
| 0.1568        | 4.6004 | 28200 | 0.1478          | 58898896          |
| 0.1535        | 4.6330 | 28400 | 0.1488          | 59318976          |
| 0.1921        | 4.6656 | 28600 | 0.1474          | 59739680          |
| 0.1951        | 4.6983 | 28800 | 0.1460          | 60159984          |
| 0.0631        | 4.7309 | 29000 | 0.1472          | 60579344          |
| 0.1807        | 4.7635 | 29200 | 0.1479          | 60992736          |
| 0.026         | 4.7961 | 29400 | 0.1469          | 61414080          |
| 0.1001        | 4.8288 | 29600 | 0.1468          | 61829776          |
| 0.0944        | 4.8614 | 29800 | 0.1471          | 62250704          |
| 0.0687        | 4.8940 | 30000 | 0.1466          | 62662656          |
| 0.0909        | 4.9267 | 30200 | 0.1477          | 63088352          |
| 0.0764        | 4.9593 | 30400 | 0.1487          | 63504960          |
| 0.1641        | 4.9919 | 30600 | 0.1474          | 63926432          |
| 0.1069        | 5.0245 | 30800 | 0.1476          | 64346032          |
| 0.176         | 5.0571 | 31000 | 0.1487          | 64764608          |
| 0.0301        | 5.0897 | 31200 | 0.1478          | 65180560          |
| 0.1166        | 5.1224 | 31400 | 0.1469          | 65600032          |
| 0.1037        | 5.1550 | 31600 | 0.1462          | 66007440          |
| 0.1412        | 5.1876 | 31800 | 0.1457          | 66416480          |
| 0.031         | 5.2202 | 32000 | 0.1459          | 66829712          |
| 0.0404        | 5.2529 | 32200 | 0.1461          | 67253936          |
| 0.0507        | 5.2855 | 32400 | 0.1465          | 67674048          |
| 0.3584        | 5.3181 | 32600 | 0.1466          | 68096656          |
| 0.2221        | 5.3508 | 32800 | 0.1464          | 68521600          |
| 0.0866        | 5.3834 | 33000 | 0.1466          | 68948064          |
| 0.1135        | 5.4160 | 33200 | 0.1460          | 69357008          |
| 0.1949        | 5.4486 | 33400 | 0.1467          | 69771824          |
| 0.2881        | 5.4813 | 33600 | 0.1468          | 70189824          |
| 0.0552        | 5.5139 | 33800 | 0.1461          | 70602704          |
| 0.0779        | 5.5465 | 34000 | 0.1462          | 71032768          |
| 0.1102        | 5.5792 | 34200 | 0.1462          | 71445488          |
| 0.1266        | 5.6118 | 34400 | 0.1460          | 71858096          |
| 0.0974        | 5.6444 | 34600 | 0.1460          | 72276272          |
| 0.1081        | 5.6771 | 34800 | 0.1461          | 72694032          |
| 0.0957        | 5.7097 | 35000 | 0.1464          | 73119856          |
| 0.2074        | 5.7423 | 35200 | 0.1467          | 73537984          |
| 0.0699        | 5.7749 | 35400 | 0.1466          | 73955216          |
| 0.0497        | 5.8076 | 35600 | 0.1468          | 74371040          |
| 0.2006        | 5.8402 | 35800 | 0.1469          | 74795680          |
| 0.0924        | 5.8728 | 36000 | 0.1465          | 75209824          |
| 0.0843        | 5.9055 | 36200 | 0.1469          | 75634096          |
| 0.1123        | 5.9381 | 36400 | 0.1468          | 76046144          |
| 0.0966        | 5.9707 | 36600 | 0.1469          | 76453936          |
| 0.1041        | 6.0033 | 36800 | 0.1468          | 76873152          |
| 0.1849        | 6.0359 | 37000 | 0.1468          | 77290000          |
| 0.1847        | 6.0685 | 37200 | 0.1469          | 77708416          |
| 0.0637        | 6.1012 | 37400 | 0.1468          | 78124432          |
| 0.0487        | 6.1338 | 37600 | 0.1470          | 78542400          |
| 0.2334        | 6.1664 | 37800 | 0.1461          | 78968368          |
| 0.0237        | 6.1990 | 38000 | 0.1467          | 79378528          |
| 0.3068        | 6.2317 | 38200 | 0.1467          | 79802112          |
| 0.1874        | 6.2643 | 38400 | 0.1470          | 80229344          |
| 0.081         | 6.2969 | 38600 | 0.1465          | 80643632          |
| 0.1335        | 6.3296 | 38800 | 0.1469          | 81051936          |
| 0.2042        | 6.3622 | 39000 | 0.1467          | 81475504          |
| 0.2154        | 6.3948 | 39200 | 0.1466          | 81889856          |
| 0.161         | 6.4274 | 39400 | 0.1471          | 82305408          |
| 0.1174        | 6.4601 | 39600 | 0.1471          | 82712800          |
| 0.0907        | 6.4927 | 39800 | 0.1471          | 83128704          |
| 0.0905        | 6.5253 | 40000 | 0.1471          | 83543088          |


### Framework versions

- PEFT 0.15.2.dev0
- Transformers 4.51.3
- Pytorch 2.6.0+cu124
- Datasets 3.5.0
- Tokenizers 0.21.1