/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,7 млрд
Размер весов
22,1 ГБ
Лицензия
MIT
Архитектура
mixtral · MoE
Опубликована
1 июн 2024

phi3-4x4b-v1

Генерация текстаТекст → текст3 профессии

Экспериментальная разреженная MoE-версия Phi-3 Mini для генерации текста и изучения продолженного предобучения.

26скачиваний за 30 дней1лайквеса обновлены4 июн 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

Fizzarolli/phi3-4x4b-v1 — экспериментальная версия Phi-3 Mini, преобразованная в разреженную смесь экспертов (MoE) методом upcycling и дополнительно обученная на текстовых данных. Модель разработал пользователь Fizzarolli; в README указано, что обучение продолжалось примерно 0,2 эпохи и не включало инструкционные данные. По метаданным, архитектура — MixtralForCausalLM, размер — 3,7 млрд параметров, контекст — 4096 токенов.

Модель предназначена для генерации текста и может использоваться для продолжения текста и диалоговых экспериментов. В локальном сравнении с Microsoft/phi-3-4k-instruct результаты на MMLU и HellaSwag были немного ниже, а на ARC-E — немного выше; автор считает различия находящимися в пределах погрешности. Обучающие данные включали очищенный английский корпус Gutenberg и выборку Pile-10k.

Модель распространяется под лицензией MIT. Автор отмечает, что из-за отсутствия обучения на инструкционных данных она может хуже следовать инструкциям и форматам диалога, чем Phi-3 Instruct; также обучение было коротким, а наборы данных выбраны предварительно и без тщательной фильтрации.

Сценарии применения

  • продолжение английского текста
  • генерация текста для экспериментов с MoE
  • сравнение разреженной MoE-модели с Phi-3 Mini
  • оценка языковой модели на MMLU, HellaSwag и ARC-E

Ограничения

Модель не обучалась на инструкционных данных, поэтому её способность следовать инструкциям и поддерживать форматы диалога может быть хуже, чем у Phi-3 Instruct. Обучение охватило лишь около 0,2 эпохи; автор также отмечает, что наборы данных были выбраны без тщательной фильтрации.

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

phi 3 4x4b

a continually pretrained phi3-mini sparse moe upcycle

benchmarks

ran locally

Microsoft/phi-3-4k-instructFizzarolli/phi3-4x4b-v1
MMLU acc. (0-shot)0.67990.6781
Hellaswag acc. (0-shot)0.60530.5962
ARC-E acc. (0-shot)0.83250.8367
ARC-C acc. (0-shot)0.55460.5606

honestly i was expecting it to do worse :p, but those are all within a margin of error! so it didn't lose any performance, at least

open llm leaderboard

todo!

support me on ko-fi!

please i need money to stay alive and keep making models

notes

not trained on instruct data. it's pretty likely that it won't be much different from phi 3 if you use it like that, if not worse due to any forgetting of instruct formats during the continued training.

future experiments

  • the datasets for this were literally chosen on a whim. perhaps experiment with a further filtered HuggingFaceFW/fineweb-edu?
  • actually freeze the gate layers next time (see Chen et. al, 2023), oops
  • MOAR TRAINING, this only went up to ~0.2 of an epoch because i ran out of dolar

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
a9b7b4e

0 моделей