/ Модель

Характеристики

Размер весов
30,4 ГБ
Лицензия
Apache 2.0
Опубликована
20 авг 2022

rwkv-4-pile-1b5

Генерация текстаТекст → текст3 профессии

Англоязычная авторегрессионная языковая модель RWKV-4 размером 1,5 млрд параметров для генерации текста и языкового моделирования.

584скачиваний за 30 дней27лайковвеса 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-1B5 — авторегрессионная языковая модель семейства RWKV, разработанная BlinkDL и обученная на корпусе The Pile. Базовая конфигурация содержит 24 слоя и размерность эмбеддингов 2048; в карточке также описана версия, дообученная для контекста длиной 4096 токенов.

Модель предназначена для генерации продолжений текста и экспериментального применения в задачах языкового моделирования. В README приведены результаты на Pile, LAMBADA, PIQA, SC2016 и HellaSwag. Карточка также перечисляет отдельные тестовые варианты с инструкционным дообучением и китайскими данными, но это не характеристики базовой модели.

Модель принимает текст и генерирует текст. В метаданных указан английский язык. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. README предупреждает, что варианты RWKV-4, 4a и 4b несовместимы между собой; для версии с контекстом 4096 отмечена возможная польза при длине контекста более 100 токенов.

Сценарии применения

  • генерация продолжения английского текста
  • создание черновиков и художественных текстов
  • эксперименты с авторегрессионным языковым моделированием
  • оценка языковых моделей на задачах LAMBADA и HellaSwag

Ограничения

README отмечает, что варианты RWKV-4, 4a и 4b несовместимы; для инструкционных тестовых версий требуется соблюдать шаблон промпта. Результаты и оговорки для этих вариантов не следует переносить на базовую модель.

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 1.5B

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 1.5B is a L24-D2048 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 = 24 n_embd = 2048

RWKV-4-Pile-1B5-20220929-ctx4096.pth : Fine-tuned to ctx_len 4096.

  • Likely better when ctxlen > 100. Please test.

RWKV-4-Pile-1B5-20220903-8040.pth : Trained on the Pile for 332B tokens.

  • Pile loss 2.0415
  • LAMBADA ppl 7.04, acc 56.43%
  • PIQA acc 72.36%
  • SC2016 acc 68.73%
  • Hellaswag acc_norm 52.48%

Instruct-test models: only useful if you construct your prompt following dataset templates

Note I am using "Q: instruct\n\nA: result" prompt for all instructs.

RWKV-4-Pile-1B5-Instruct-test1-20230124.pth instruct-tuned on https://huggingface.co/datasets/bigscience/xP3all/viewer/en/train

RWKV-4-Pile-1B5-Instruct-test2-20230209.pth instruct-tuned on https://huggingface.co/datasets/Muennighoff/flan & NIv2

Chinese models

RWKV-4-Pile-1B5-EngChn-testNovel-xxx for writing Chinese novels (trained on 200G Chinese novels.)

RWKV-4-Pile-1B5-EngChn-testxxx for Chinese Q&A (trained on 10G Chinese text. only for testing purposes.)

Note: 4 / 4a / 4b models ARE NOT compatible. Use RWKV-4 unless you know what you are doing.

RWKV-4b-Pile-1B5-20230217-7954.pth (--my_testing 'a') with tiny amt of QKV attention to improve performance

  • Pile loss 1.9947
  • LAMBADA ppl 5.82, acc 62.35%
  • PIQA acc 72.52%
  • SC2016 acc 68.89%
  • Hellaswag acc_norm 54.32%

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
6ea995e

0 моделей