/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
8 окт 2024

PDS-160M

Генерация текстаТекст → текст3 профессии

Компактная Mistral-модель, обученная с нуля на отобранных данных RedPajama для генерации текста и изучения эффективного предобучения.

34скачиваний за 30 дней0лайковвеса обновлены25 мар 2025

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

PDS-160M — языковая модель с архитектурой Mistral, разработанная авторами метода PDS и обученная с нуля на 137,8 млн параметров. Для предобучения использовались данные CC-раздела набора RedPajama, отобранные методом PDS на основе принципа максимума Понтрягина. Модель предназначена для генерации текста и экспериментов с влиянием отбора данных на предобучение языковых моделей.

В статье авторы сообщают, что отбор данных PDS повышает качество моделей, обученных с нуля, и сокращает вычислительные затраты на предобучение; эффект исследовался также при масштабировании моделей. Репозиторий содержит веса PyTorch в формате Safetensors. Заявленный контекст — 32768 токенов, язык карточки и метаданных — английский. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на английском языке
  • эксперименты с предобучением языковых моделей с нуля
  • сравнение отбора данных PDS с обычным предобучением

Ограничения

В README не приведены количественные результаты оценки самой модели или рекомендации по применению; заявленный эффект отбора данных относится к экспериментам авторов. Модель компактна по сравнению с крупными LLM.

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

PDS-160M

paper | code

PDS-160M is a 160M model with Mistral achitecture pre-trained from scratch on the data selected from the CC split of Redpajama, using the PDS framework.

The PDS framework is based on the Pontryagin's maximum principle for optimal pre-training data selection, which not only enjoy strong theoretical support but is also scalable for training large language models.

Please refer to our paper for more details.

Overview of the theory:

Overview of the PDS framework:

Evaluation

PDS-selected data improves the performance of language models pre-trained from scratch and saves pre-training computation. The improvement scales up to large model sizes.

Baseline

Conventional Pre-training

Citation

@article{gu2024data,
  title={Data Selection via Optimal Control for Language Models},
  author={Gu, Yuxian and Dong, Li and Wang, Hongning and Hao, Yaru and Dong, Qingxiu and Wei, Furu and Huang, Minlie},
  journal={arXiv preprint arXiv:2410.07064},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
da18471

0 моделей