/ Модель

Характеристики

Размер весов
1 ГБ
Лицензия
Apache 2.0
Опубликована
28 июл 2022

rwkv-4-pile-169m

Генерация текстаТекст → текст3 профессии

Компактная англоязычная авторегрессионная модель RWKV-4 для продолжения текста и экспериментов с генерацией.

1 126скачиваний за 30 дней12лайковвеса обновлены13 мар 2023

Бенчмарки

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

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

RWKV-4 Pile 169M — авторегрессионная языковая модель семейства RWKV, разработанная BlinkDL и обученная на корпусе The Pile. Это компактная модель с 12 слоями и размерностью эмбеддингов 768; в карточке указан контекст 1024 токена и обучение на 332 млрд токенов. Модель продолжает текст по входному текстовому контексту.

Модель подходит для экспериментов и базовой генерации текста, а также для оценки языковой модели на стандартных тестах. В README приведены результаты на Pile, LAMBADA, PIQA, SC2016 и HellaSwag. Это базовая модель, а не специализированный чат-ассистент; качество и способности ограничены её небольшим размером и обучением на английском корпусе. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • продолжение англоязычного текста
  • эксперименты с компактными языковыми моделями
  • оценка качества языковой модели на тестовых наборах

Ограничения

Небольшой размер и контекст в 1024 токена ограничивают качество и длину связной генерации; модель обучена на английском корпусе и не является специализированным чат-ассистентом.

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

RWKV-4 169M

Use RWKV-4 models (NOT RWKV-4a, NOT RWKV-4b) unless you know what you are doing.

Use RWKV-4 models (NOT RWKV-4a, NOT RWKV-4b) unless you know what you are doing.

Use RWKV-4 models (NOT RWKV-4a, NOT RWKV-4b) unless you know what you are doing.

Model Description

RWKV-4 169M is a L12-D768 causal language model trained on the Pile. See https://github.com/BlinkDL/RWKV-LM for details.

Use https://github.com/BlinkDL/ChatRWKV to run it.

ctx_len = 1024 n_layer = 12 n_embd = 768

Final checkpoint: RWKV-4-Pile-169M-20220807-8023.pth : Trained on the Pile for 332B tokens.

  • Pile loss 2.5355
  • LAMBADA ppl 29.33, acc 32.99%
  • PIQA acc 65.07%
  • SC2016 acc 58.79%
  • Hellaswag acc_norm 32.26%

With tiny attention (--tiny_att_dim 256 --tiny_att_layer 9): RWKV-4a-Pile-170M-20221209-7955.pth

  • Pile loss 2.4702
  • LAMBADA ppl 21.42, acc 38.23%
  • PIQA acc 63.76%
  • SC2016 acc 59.06%
  • Hellaswag acc_norm 32.40%

RWKV-4b-Pile-171M-20230202-7922.pth (--my_testing 'a')

  • Pile loss 2.4222
  • LAMBADA ppl 22.02, acc 38.56%
  • PIQA acc 64.04%
  • SC2016 acc 59.91%
  • Hellaswag acc_norm 33.33%

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
2900f79

0 моделей