/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,3 млрд
Размер весов
13,3 ГБ
Лицензия
MIT
Архитектура
llama · dense
Опубликована
29 мар 2024

bitnet_b1_58-3B

Генерация текстаТекст → текст3 профессии

Воспроизведение BitNet b1.58 с 3,3 млрд параметров для генерации текста и экспериментов с малобитными языковыми моделями.

667скачиваний за 30 дней264лайкавеса обновлены29 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

1bitLLM/bitnet_b1_58-3B — воспроизведение модели BitNet b1.58, опубликованное сообществом 1bitLLM. Это плотная авторегрессионная языковая модель семейства LLaMA с 3,3 млрд параметров, предназначенная для генерации текста и оценки языковых моделей. В README указано, что модели обучались на 100 млрд токенов набора RedPajama с параметрами обучения, предложенными в статье BitNet b1.58. Репозиторий содержит веса в формате safetensors; длина контекста составляет 2048 токенов.

Модель подходит для генерации продолжений текста и экспериментов с малобитными языковыми моделями. README приводит результаты воспроизведения для модели на 700 млн параметров и отмечает возможные расхождения с опубликованными результатами из-за обработки данных, случайных начальных значений и других факторов; эти результаты не следует считать оценкой версии на 3,3 млрд параметров. Карточка не уточняет поддерживаемые естественные языки. Лицензия — MIT.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с архитектурой BitNet b1.58
  • сравнение малобитных языковых моделей
  • оценка генеративных языковых моделей

Ограничения

README приводит результаты воспроизведения для версии на 700 млн параметров, поэтому они не характеризуют напрямую вариант на 3,3 млрд параметров. В README отмечены возможные отклонения результатов из-за обработки данных, случайных начальных значений и других факторов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is a reproduction of the BitNet b1.58 paper. The models are trained with RedPajama dataset for 100B tokens. The hypers, as well as two-stage LR and weight decay, are implemented as suggested in their following paper. All models are open-source in the repo. We will train larger models and/or more tokens when resource is available.

Results

PPL and zero-shot accuracy:

ModelsPPLARCeARCcHSBQOQPQWGeAvg
FP16 700M (reported)12.3354.723.037.060.020.268.954.845.5
BitNet b1.58 700M (reported)12.8751.821.435.158.220.068.155.244.3
BitNet b1.58 700M (reproduced)12.7851.421.835.059.620.667.555.444.5
FP16 1.3B (reported)11.2556.923.538.559.121.670.053.946.2
BitNet b1.58 1.3B (reported)11.2954.924.237.756.719.668.855.845.4
BitNet b1.58 1.3B (reproduced)11.1955.823.737.659.020.269.256.045.9
FP16 3B (reported)10.0462.125.643.361.824.672.158.249.7
BitNet b1.58 3B (reported)9.9161.428.342.961.526.671.559.350.2
BitNet b1.58 3B (reproduced)9.8860.928.042.358.326.071.460.349.6

The differences between the reported numbers and the reproduced results are possibly variances from the training data processing, seeds, or other random factors.

Evaluation

The evaluation pipelines are from the paper authors. Here is the commands to run the evaluation:

pip install lm-eval==0.3.0
python eval_ppl.py --hf_path 1bitLLM/bitnet_b1_58-3B --seqlen 2048
python eval_task.py --hf_path 1bitLLM/bitnet_b1_58-3B \
    --batch_size 1 \
    --tasks \
    --output_path result.json \
    --num_fewshot 0 \
    --ctx_size 2048

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BitnetForCausalLM
Ревизия весов
af89e31

0 моделей