/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
729 млн
Лицензия
MIT
Архитектура
llama · dense
Опубликована
29 мар 2024

bitnet_b1_58-large

Генерация текстаТекст → текст3 профессии

Воспроизведение BitNet b1.58 на 728,6 млн параметров для генерации текста и оценки языковых моделей.

2 355скачиваний за 30 дней129лайковвеса 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 разработала bitnet_b1_58-large как воспроизведение модели BitNet b1.58, описанной в исследовательской статье. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой BitnetForCausalLM и 728,6 млн параметров. Модель обучали на датасете RedPajama в объёме 100 млрд токенов; README приводит результаты по perplexity и оценкам на наборах задач ARC, HellaSwag, BoolQ, OpenBookQA, PIQA и Winogrande.

Модель предназначена для генерации текста и исследовательской оценки языковых моделей. Контекст составляет 2048 токенов. Репозиторий содержит веса Safetensors, а лицензия — MIT. Воспроизведённые метрики немного отличаются от опубликованных авторами статьи; README связывает возможные расхождения с обработкой данных, случайными начальными значениями и другими факторами обучения.

Сценарии применения

  • генерация продолжений текста
  • эксперименты с низкоразрядными языковыми моделями
  • сравнение perplexity языковых моделей
  • оценка на наборах ARC и HellaSwag
  • оценка ответов на вопросы с выбором варианта

Ограничения

В README приведены результаты воспроизведения, немного отличающиеся от опубликованных в статье; качество ограничено масштабом модели и обучением на 100 млрд токенов. Указанный контекст составляет 2048 токенов.

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
85d0471

0 моделей