/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,5 млрд
Размер весов
5,6 ГБ
Лицензия
MIT
Архитектура
phi · dense
Опубликована
19 янв 2024

CLEX-Phi-2-32K

Генерация текстаТекст → текст4 профессии

CLEX-Phi-2-32K — модель Phi-2 для генерации текста и экспериментов с обработкой длинного контекста.

143скачиваний за 30 дней10лайковвеса обновлены24 янв 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

CLEX-Phi-2-32K — языковая модель семейства Phi-2 от DAMO-NLP-SG, предназначенная для генерации текста с длинным контекстом. Это плотная авторегрессионная модель примерно на 3,5 млрд параметров; веса опубликованы в формате Safetensors, лицензия — MIT. В README описан подход Continuous Length Extrapolation (CLEX): к архитектуре добавлен проекционный слой, который позволяет расширять контекст без рекуррентного кэширования памяти и разреженного внимания.

Модель обучалась на корпусе LongCorpus-2.5B с длиной последовательности 32K. В README приведены результаты оценки языкового моделирования на длинах до 128K; метаданные каталога указывают нативный контекст в 2048 токенов, поэтому фактическую поддержку длинных запросов следует проверять с соответствующей конфигурацией и программной обвязкой. Модель подходит для продолжения текста и генерации ответов на длинные текстовые входы. Карточка не описывает отдельную настройку для чата или специализированных областей применения.

Сценарии применения

  • продолжение длинного текста
  • генерация текста по длинному запросу
  • языковое моделирование на последовательностях до 32K токенов обучения
  • оценка переноса языковой модели на контексты длиннее обучающих

Ограничения

Метаданные указывают нативный контекст 2048 токенов, тогда как README описывает обучение на длине 32K и оценки до 128K; поддержка длинных входов может зависеть от конфигурации. В карточке не заявлены специализированная чат-настройка или предметные области.

Для каких профессий подходит4

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

CLEX: Continuous Length Extrapolation for Large Language Models

This repo stores the checkpoint of CLEX-Phi-2-2.7B-32K.

Features and Highlights of CLEX

CLEX_diagram

  • Simple and Clear: MINIMAL code and architecture changes. Only one up-and-down projection layer introduced, NO recurrent memory caching or sparse attention required.
  • Train Short, Test Long: NO performance drop on the sequences 4x~8x longer than the training ones (see here).
  • Continuous Length Extrapolation: Explicitly modeling the continuous dynamics of context window size during length extrapolation.

If you have any questions, feel free to contact us. (Emails: guanzzh.chen@gmail.com, lixin4ever@gmail.com)

Model Zoo

Model NameModel TypeStarting PointTrain DataTrain LengthMAX Test LengthHF Repo
CLEX-LLaMA-2-7B-16KbaseLLaMA-2-7BRedpajama-Book16K64Klink
CLEX-LLaMA-2-7B-Chat-16KchatCLEX-7B-16KUltraChat16K64Klink
CLEX-LLaMA-2-7B-64KbaseLLaMA-2-7BRedpajama-Book64k256Klink
CLEX-Phi-2-32K (this checkpoint)basePhi-2-2.7BLongCorpus-2.5B32k128Klink
CLEX-Mixtral-8x7B-32KbaseMixtral-8x7B-v0.1LongCorpus-2.5B32k>128Klink
CLEX-Mixtral-8x7B-Chat-32kchatCLEX-Mixtral-8x7B-32KUltrachat 200k32k>128Klink

Usage

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("DAMO-NLP-SG/CLEX-Phi-2-2.7B-32K", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("DAMO-NLP-SG/CLEX-Phi-2-2.7B-32K", torch_dtype=torch.bfloat16, trust_remote_code=True)
inputs = tokenizer("What is CLEX?", return_tensors="pt")
sample = model.generate(**inputs, max_length=128)
print(tokenizer.decode(sample[0]))

Evaluation

Language Modelling

The CLEX-Phi-2-2.7B and CLEX-Mixtral-8x7B are trained on LongCorpus-2.5B, where the eval results on test set are listed below.

Train LengthEval.(16k)Eval.(32k)Eval.(64k)Eval.(128k)
Phi-22k>100>100>100>100
CLEX-Phi-232k5.215.115.176.55

Citation

If you find our project useful, hope you can star our repo and cite our paper as follows:

@article{damonlpsg2023clex,
  author = {Chen, Guanzheng and Li, Xin and Meng, Zaiqiao and Liang, Shangsong and Bing, Lidong},
  title = {CLEX: Continuous Length Extrapolation for Large Language Models},
  year = 2023,
  journal = {arXiv preprint arXiv:2310.16450},
  url = {https://arxiv.org/abs/2310.16450}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
PhiForCausalLM
Ревизия весов
72abb1e

0 моделей