/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Архитектура
llama · dense

T-lite-0.1

Генерация текстаТекст → текст10 профессий

Русскоязычная модель продолженного предварительного обучения на 7,5 млрд параметров для генерации текста и дальнейшего дообучения под конкретные задачи.

27скачиваний за 30 дней26лайковвеса обновлены20 июл 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

T-lite-0.1 — языковая модель на 7,5 млрд параметров, разработанная T-Bank AI на основе архитектуры Llama и предназначенная для дальнейшего дообучения. Это модель продолженного предварительного обучения, ориентированная на генерацию текста на русском языке и создание русскоязычных приложений с учётом языкового и культурного контекста России. Модель принимает текст и генерирует текст; в карточке указаны поддержка чата и контекст до 8192 токенов.

Архитектура — плотный декодер Llama с RMSNorm, SwiGLU, RoPE и grouped-query attention. Обучение проводилось в bf16; веса доступны в формате safetensors. В обучающих данных преобладает русский язык, также сохранена часть английских данных и увеличена доля кода. В опубликованной оценке модель превзошла Llama-3-8B по общему результату бенчмарка MERA, но авторы отмечают снижение результатов на английских тестах после адаптации к русскому языку.

Модель не позиционируется как готовый разговорный помощник: для прикладного использования предполагаются дополнительное дообучение и контроль качества и безопасности ответов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • дообучение русскоязычного языкового помощника
  • создание приложений для генерации русского текста
  • адаптация базовой языковой модели к русскому контексту
  • генерация русскоязычных текстов и статей

Ограничения

Модель предназначена для дальнейшего дообучения и не рекомендуется авторами как готовый разговорный помощник; качество и безопасность ответов требуют дополнительной проверки. После адаптации к русскому языку показатели на английских бенчмарках снизились; лицензия в предоставленных данных не указана.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

T-lite-0.1

🚨 T-lite is designed for further fine-tuning and is not intended as a ready-to-use conversational assistant. Users are advised to exercise caution and are responsible for any additional training and oversight required to ensure the model's responses meet acceptable ethical and safety standards. The responsibility for incorporating this model into industrial or commercial solutions lies entirely with those who choose to deploy it.

Description

T-lite is a continual pretraining model designed specifically for the Russian language, enabling the creation of large language model applications in Russian. This model aims to improve the quality of Russian text generation and provide domain-specific and cultural knowledge relevant to the Russian context.

Model Training Details

🏛️ Architecture and Configuration

T-lite is a decoder language model with:

  • pre-normalization via RMSNorm
  • SwiGLU activation function
  • rotary positional embeddings (RoPE)
  • grouped query attention (GQA)

T-lite was trained in bf16.

⚙️ Hyperparameters

We employed the Decoupled AdamW optimizer with β1 = 0.9, β2 = 0.95, and eps = 1.0e-8. The learning rate was set to 1.0e-5 with a constant schedule and a warmup period of 10 steps during stage 1, and a cosine schedule during stage 2. Weight decay was applied at a rate of 1.0e-6, and gradient clipping was performed with a maximum norm of 1.0. The maximum sequence length was set to 8192. Each batch contained approximately 6 million tokens.

🏋🏽 Hardware Configuration & Performance

Training was conducted on 96 A100 GPUs with 80GB memory each, using Fully Sharded Data Parallel (FSDP) with full shard/hybrid shard strategies. The setup achieved a throughput of 3000 tokens/sec/GPU, with 100B tokens being processed in approximately 4 days. We achieved a 0.59 Model FLOPs Utilization (MFU).

📚 Data

Stage 1

Massive continual pre-training

  • 300B tokens * 0.3 epoch
  • Proportion of data in Russian is 85%, as a trade-off between language adoptation and English language performance
  • Styles and topics in Common Crawl (CC) data were downsampled
  • Domains in book datasets were balanced
  • Proportion of code data was increased

Stage 2

Focuses on refining the quality of the dataset

  • 20B tokens * 3 epochs
  • Includes instructional sets of smaller volume
  • Advertisements and news were aggressively downsampled
  • Instructions and articles were upsampled
  • Educational content was balanced

📊 Benchmarks

🇷🇺 Russian

MERA benchmark results

Task nameMetricN shotLlama-3-8bT-lite-0.1
Total score0.4450.492
BPSAccuracy2-shot0.4590.358
CheGeKaF1 / EM4-shot0.04/00.118/0.06
LCSAccuracy2-shot0.1460.14
MathLogicQAAccuracy5-shot0.3650.37
MultiQF1-score / EM0-shot0.106/0.0270.383/0.29
PARusAccuracy0-shot0.720.858
RCBAvg F1 / Accuracy0-shot0.42/0.4340.511/0.416
ruHumanEvalpass@k0-shot0.017/0.085/0.1710.023/0.113/0.226
ruMMLUAccuracy5-shot0.6930.759
ruModArEM0-shot0.7080.667
ruMultiArEM5-shot0.2590.269
ruOpenBookQAAvg F1 / Accuracy5-shot0.745/0.7440.783/0.782
ruTiEAccuracy0-shot0.5530.681
ruWorldTreeAvg F1 / Accuracy5-shot0.838/0.8390.88/0.88
RWSDAccuracy0-shot0.5040.585
SimpleArEM5-shot0.9540.955
USEGrade Norm0-shot0.0230.05

The evluation was performed using https://github.com/ai-forever/MERA/tree/main

🇬🇧 English

It's consistent that after the model was adapted for the Russian language, performance on English benchmarks declined.

BenchmarkN shotLlama-3-8bT-lite-0.1
ARC-challenge0-shot0.5180.489
ARC-easy0-shot0.7890.787
MMLU0-shot0.620.6
Natural Questions0-shot0.1620.222
TriviaQA0-shot0.630.539

The evluation was performed using https://github.com/EleutherAI/lm-evaluation-harness.

👨‍💻 Examples of usage

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
torch.manual_seed(42)

tokenizer = AutoTokenizer.from_pretrained("t-bank-ai/T-lite-0.1")
model = AutoModelForCausalLM.from_pretrained("t-bank-ai/T-lite-0.1", device_map="auto")

input_text = "Машинное обучение нужно для"
input_ids = tokenizer(input_text, return_tensors="pt").to(model.device)

outputs = model.generate(**input_ids, max_new_tokens=256)
print(tokenizer.decode(outputs[0]))

Output:

Машинное обучение нужно для того, чтобы автоматизировать процесс принятия решений. Вместо того, чтобы человеку нужно было вручную просматривать и анализировать данные, алгоритмы машинного обучения могут автоматически выявлять закономерности и делать прогнозы на основе этих данных. Это может быть особенно полезно в таких областях, как финансы, где объем данных огромен, а решения должны приниматься быстро.

Вот несколько примеров того, как машинное обучение используется в финансах:

1. Обнаружение мошенничества: алгоритмы машинного обучения могут анализировать закономерности в транзакциях и выявлять подозрительные действия, которые могут указывать на мошенничество.
2. Управление рисками: Машинное обучение может помочь финансовым учреждениям выявлять и оценивать риски, связанные с различными инвестициями или кредитами.
3. Обработка данных на естественном языке: Машинное обучение может использоваться для анализа финансовых новостей и других текстовых данных, чтобы выявить тенденции

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c1faffc

0 моделей