/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-3-8b-hf
Опубликована
3 мая 2024

astrollama-3-8b-base_aic

Генерация текстаТекст → текст3 профессии

Специализированная на астрономических текстах базовая модель LLaMA 3 8B для генерации продолжений и исследовательских экспериментов.

39скачиваний за 30 дней1лайквеса обновлены16 ноя 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

AstroLLaMA-3-8B-BaseAIC — специализированная языковая модель команды AstroMLab, полученная непрерывным предобучением Meta LLaMA 3 8B на разделах Abstract, Introduction и Conclusion статей arXiv по астрофизике. Это плотная авторегрессионная модель семейства LLaMA с 7,5 млрд параметров и контекстом до 8192 токенов; она принимает текст и предсказывает продолжение, а не предназначена для диалога или выполнения инструкций.

Модель рассчитана на генерацию и анализ текста по астрономии и астрофизике, а также на воспроизводимые исследования предметно-ориентированного дообучения. Обучающие тексты извлекались из PDF с помощью OCR и обрабатывались с суммаризацией. Карточка предупреждает, что обучение только на astro-ph не обеспечило превосходства над исходной LLaMA 3 8B в приведённом сравнении; научные ответы следует сверять с рецензируемыми источниками. Модель распространяется по лицензии MIT.

Сценарии применения

  • генерация продолжения научного текста по астрономии
  • черновое изложение тем из статей arXiv по астрофизике
  • анализ астрономических текстовых материалов
  • эксперименты с предметно-ориентированным языковым моделированием
  • воспроизведение исследований дообучения моделей на научной литературе

Ограничения

Это базовая модель без диалоговой настройки, поэтому она не предназначена для следования инструкциям. Обучение только на статьях astro-ph не обеспечило превосходства над исходной LLaMA 3 8B в указанном сравнении; ответы требуют проверки по научным источникам.

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

AstroLLaMA-3-8B-Base_AIC

AstroLLaMA-3-8B is a specialized base language model for astronomy, developed by fine-tuning Meta's LLaMA-3-8b architecture on astronomical literature. This model was developed by the AstroMLab team. It is designed for next token prediction tasks and is not an instruct/chat model.

Model Details

  • Base Architecture: LLaMA-3-8b
  • Training Data: Abstract, Introduction, and Conclusion (AIC) sections from arXiv's astro-ph category papers
  • Data Processing: Optical character recognition (OCR) on PDF files using the Nougat tool, followed by summarization using Qwen-2-8B and LLaMA-3.1-8B.
  • Fine-tuning Method: Continual Pre-Training (CPT) using the LMFlow framework
  • Training Details:
    • Learning rate: 2 × 10⁻⁵
    • Total batch size: 96
    • Maximum token length: 512
    • Warmup ratio: 0.03
    • No gradient accumulation
    • BF16 format
    • Cosine decay schedule for learning rate reduction
    • Training duration: 1 epoch
  • Primary Use: Next token prediction for astronomy-related text generation and analysis
  • Reference: Pan et al. 2024

Generating text from a prompt

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

# Load the model and tokenizer
tokenizer = AutoTokenizer.from_pretrained("AstroMLab/astrollama-3-8b-base_aic")
model = AutoModelForCausalLM.from_pretrained("AstroMLab/astrollama-3-8b-base_aic", device_map="auto")

# Create the pipeline with explicit truncation
from transformers import pipeline
generator = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    device_map="auto",
    truncation=True,
    max_length=512
)

# Example prompt from an astronomy paper
prompt = "In this letter, we report the discovery of the highest redshift, " \
    "heavily obscured, radio-loud QSO candidate selected using JWST NIRCam/MIRI, " \
    "mid-IR, sub-mm, and radio imaging in the COSMOS-Web field. "

# Set seed for reproducibility
torch.manual_seed(42)

# Generate text
generated_text = generator(prompt, do_sample=True)
print(generated_text[0]['generated_text'])

Model Limitations and Biases

A key limitation identified during the development of this model is that training solely on astro-ph data may not be sufficient to significantly improve performance over the base model, especially for the already highly performant LLaMA-3 series. This suggests that to achieve substantial gains, future iterations may need to incorporate a broader range of high-quality astronomical data beyond arXiv, such as textbooks, Wikipedia, and curated summaries.

Here's a performance comparison chart based upon the astronomical benchmarking Q&A as described in Ting et al. 2024:

ModelScore (%)
AstroSage-LLaMA-3.1-8B (AstroMLab)80.9
LLaMA-3.1-8B73.7
LLaMA-3-8B72.9
AstroLLaMA-3-8B-Base_AIC (AstroMLab)71.9
Gemma-2-9B71.5
Qwen-2.5-7B70.4
Yi-1.5-9B68.4
InternLM-2.5-7B64.5
Mistral-7B-v0.363.9
ChatGLM3-6B50.4
AstroLLaMA-2-7B-AIC44.3
AstroLLaMA-2-7B-Abstract43.5

As shown, while AstroLLaMA-3-8B performs competitively among models in its class, it does not surpass the performance of the base LLaMA-3-8B model. This underscores the challenges in developing specialized models and the need for more diverse and comprehensive training data.

This model is released primarily for reproducibility purposes, allowing researchers to track the development process and compare different iterations of AstroLLaMA models.

For optimal performance and the most up-to-date capabilities in astronomy-related tasks, we recommend using AstroSage-8B, where these limitations have been addressed. The newer model incorporates expanded training data beyond astro-ph and features a greatly expanded fine-tuning process, resulting in significantly improved performance.

Ethical Considerations

While this model is designed for scientific use, users should be mindful of potential misuse, such as generating misleading scientific content. Always verify model outputs against peer-reviewed sources for critical applications.

Citation

If you use this model in your research, please cite:

@ARTICLE{2024arXiv240919750P,
       author = {{Pan}, Rui and {Dung Nguyen}, Tuan and {Arora}, Hardik and {Accomazzi}, Alberto and {Ghosal}, Tirthankar and {Ting}, Yuan-Sen},
        title = "{AstroMLab 2: AstroLLaMA-2-70B Model and Benchmarking Specialised LLMs for Astronomy}",
      journal = {arXiv e-prints},
     keywords = {Astrophysics - Instrumentation and Methods for Astrophysics, Computer Science - Computation and Language},
         year = 2024,
        month = sep,
          eid = {arXiv:2409.19750},
        pages = {arXiv:2409.19750},
          doi = {10.48550/arXiv.2409.19750},
archivePrefix = {arXiv},
       eprint = {2409.19750},
 primaryClass = {astro-ph.IM},
       adsurl = {https://ui.adsabs.harvard.edu/abs/2024arXiv240919750P},
      adsnote = {Provided by the SAO/NASA Astrophysics Data System}
}

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
7786a5f

0 моделей