/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
6,1 млрд
Размер весов
19 ГБ
Лицензия
Своя лицензия
Архитектура
phi · dense
Опубликована
15 фев 2024

AstraQuasar-4B

Генерация текстаТекст → текст3 профессии

Недообученная базовая LLM AstraMindAI на архитектуре Phi-2 для генерации текста и исследований приёма duplicate trick.

99скачиваний за 30 дней13лайковвеса обновлены15 фев 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

AstraQuasar-4B — предварительно обученная языковая модель для генерации текста, разработанная AstraMindAI на основе архитектуры Phi-2. В README указано 4 млрд параметров без эмбеддингов, тогда как метаданные Hugging Face сообщают об общем размере 6,1 млрд параметров. Модель имеет плотную архитектуру QuasarForCausalLM и контекстное окно 32 768 токенов; репозиторий содержит веса в формате safetensors.

Модель предназначена для экспериментов с генерацией текста и изучения приёма duplicate trick: разработчики сообщают о снижении loss примерно на 21% без дополнительной нестабильности. Чекпойнт описан как недообученный и демонстрационный, поэтому его качество для прикладных сценариев ограничено. Это базовая модель без встроенных механизмов модерации. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

Сценарии применения

  • эксперименты с генерацией текста
  • изучение влияния duplicate trick на обучение языковых моделей
  • дообучение базовой модели под пользовательские задачи

Ограничения

Модель описана разработчиками как недообученная демонстрационная версия, поэтому её прикладное качество ограничено. Встроенной модерации нет; конкретные условия лицензии в предоставленных данных не раскрыты.

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

AstraQuasar-4B is our first pre-trained Large Language Model (LLM) for text generation. It is a model with 4B parameters, whithout embeddings. AstraQuasar-4B-v.0.1 is built upon the foundation of the Phi-2 architecture, with significant enhancements including an increased number of layers and the innovative introduction of a novel technique known as the duplicate trick.

AstraQuasar-4B-v.0.1 at the moment is an under trained model. Serving as a demonstration of the potential of the duplication trick and its implications for future advancements in language modeling. Despite its nascent status, our model has already demonstrated superior performance compared to both the base Phi-2 model and earlier iterations of AstraQuasar-4B that do not utilize the duplication trick.

One of the key milestones achieved by AstraQuasar-4B is its successful application of backpropagation on the duplication trick, setting a precedent for future research and development in this area.

The use of the duplicate trick had shown to instantly decrease the loss by ~21% with no added instability

Our model's architecture is fully compatible with leading training frameworks such as Axolotl and LLaMA Factory, ensuring seamless integration into existing workflows leveraging the standard Hugging Face Transformers library.

Example:

AstraQuasar-4B can be easily instantiated using the Hugging Face Transformers library:

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model = AutoModelForCausalLM.from_pretrained("AstraMindAI/AstraQuasar-4B", torch_dtype=torch.float16, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("AstraMindAI/AstraQuasar-4B")
    
# you can optionally disable the duplicate trick
# model.model.duplicate_trick = False
    
# you can also disable the duplicate gradient calculation during training
# model.model.duplicate_grad = False
    
# You can specify the layer ranges for the duplicate trick
# model.model.layer_ranges = [(0, 16),(8, 24),(17, 32),(25, 40),(33, 49),(40, 56)]
    
prompt = "I love my dog because "
inputs = tokenizer(prompt, return_tensors="pt")
    
# Generate
generate_ids = model.generate(inputs.input_ids, max_length=30)
tokenizer.batch_decode(generate_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]

Pre-training and fine-tuning can be performed using accelerate or deepspeed.

Notice

It's important to note that AstraQuasar-4B is a pre-trained base model and does not incorporate any moderation mechanisms.

NEWS

Stay tuned for exciting developments! A new architecture, AstraPulsar, is on the horizon, promising further advancements in language modeling.

Credits:

  • Undi95 for helping us figuring out the process of self-calling layers.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
QuasarForCausalLM
Ревизия весов
34534bc

0 моделей