/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,9 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
27 дек 2023

MiniMA-2-3B

Генерация текстаТекст → текст6 профессий

Плотная языковая модель MiniMA-2 на 2,9 млрд параметров для генерации текста на английском и китайском языках.

72скачиваний за 30 дней17лайковвеса обновлены1 ноя 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

MiniMA-2-3B — плотная языковая модель семейства LLaMA, разработанная авторами MiniMA как продолжение обучения MiniMA-3B. В README отмечены улучшенная смесь данных и увеличение числа обучающих токенов; дистилляция не применялась. Модель содержит 2,9 млрд параметров и поддерживает контекст до 4096 токенов.

Модель предназначена для генерации текста и общих языковых задач. В карточке указаны английский и китайский языки, а среди обучающих наборов — Pile, RedPajama-Data-1T и WuDao. README приводит результаты на нескольких бенчмарках, включая MMLU, CEval, DROP и GSM8K.

Модель опубликована в форматах PyTorch и Safetensors. В метаданных указана лицензия Apache-2.0, однако README отдельно требует соблюдать лицензию LLaMA 2, поскольку модель от неё производна; перед использованием следует проверить применимые условия обеих лицензий.

Сценарии применения

  • генерация продолжения текста
  • ответы на общие вопросы
  • решение задач на рассуждение
  • генерация текста на английском языке
  • генерация текста на китайском языке

Ограничения

Контекст ограничен 4096 токенами. Поскольку модель производна от LLaMA 2, README требует соблюдать лицензию LLaMA 2; заявленные в метаданных условия Apache-2.0 следует сверить с этим требованием.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMA-2-3B

📑 arXiv | 👻 GitHub | 🤗 HuggingFace-MiniMA | 🤗 HuggingFace-MiniChat | 🤖 ModelScope-MiniMA | 🤖 ModelScope-MiniChat | 🤗 HuggingFace-MiniChat-1.5 | 🤗 HuggingFace-MiniMA-2 | 🤗 HuggingFace-MiniChat-2

🆕 Updates from MiniMA-3B:

  • continued from MiniMA-3B without distillation;
  • better data mixture;
  • more trained tokens.

❗ Must comply with LICENSE of LLaMA-2 since it is derived from LLaMA-2.

A language model continued from MiniMA-3B.

Completing the compute-performance pareto frontier together with MiniMA-3B and other arts.

Standard Benchmarks

MethodTFLOPsMMLU (5-shot)CEval (5-shot)DROP (3-shot)HumanEval (0-shot)BBH (3-shot)GSM8K (8-shot)
Mamba-2.8B4.6E925.5824.7415.727.3229.373.49
ShearedLLaMA-2.7B0.8E926.9722.8819.984.8830.483.56
BTLM-3B11.3E927.2026.0017.8410.9830.874.55
StableLM-3B72.0E944.7531.0522.3515.8532.5910.99
Qwen-1.8B23.8E944.0554.7512.9714.0230.8022.97
Phi-2-2.8B159.9E956.7434.0330.7446.9544.1355.42
LLaMA-2-7B84.0E946.0034.4031.5712.8032.0214.10
MiniMA-3B4.0E928.5128.2322.5010.9831.618.11
MiniChat-3B4.0E938.4036.4822.5818.2931.3629.72
MiniMA-2-3B13.4E940.1444.6523.1014.6331.438.87
MiniChat-2-3B13.4E946.1743.9130.2622.5634.9538.13

The following is an example code snippet to use MiniMA-2-3B:

import torch

from transformers import AutoModelForCausalLM, AutoTokenizer

# MiniMA
tokenizer = AutoTokenizer.from_pretrained("GeneZC/MiniMA-2-3B", use_fast=False)
# GPU.
model = AutoModelForCausalLM.from_pretrained("GeneZC/MiniMA-2-3B", use_cache=True, device_map="auto", torch_dtype=torch.float16).eval()
# CPU.
# model = AutoModelForCausalLM.from_pretrained("GeneZC/MiniMA-2-3B", use_cache=True, device_map="cpu", torch_dtype=torch.float16).eval()

prompt = "Question: Sherrie tells the truth. Vernell says Sherrie tells the truth. Alexis says Vernell lies. Michaela says Alexis tells the truth. Elanor says Michaela tells the truth. Does Elanor tell the truth?\nAnswer: No\n\nQuestion: Kristian lies. Sherrie says Kristian lies. Delbert says Sherrie lies. Jerry says Delbert tells the truth. Shalonda says Jerry tells the truth. Does Shalonda tell the truth?\nAnswer: No\n\nQuestion: Vina tells the truth. Helene says Vina lies. Kandi says Helene tells the truth. Jamey says Kandi lies. Ka says Jamey lies. Does Ka tell the truth?\nAnswer: No\n\nQuestion: Christie tells the truth. Ka says Christie tells the truth. Delbert says Ka lies. Leda says Delbert tells the truth. Lorine says Leda tells the truth. Does Lorine tell the truth?\nAnswer:"
input_ids = tokenizer([prompt]).input_ids
output_ids = model.generate(
    torch.as_tensor(input_ids).cuda(),
    do_sample=True,
    temperature=0.7,
    max_new_tokens=1024,
)
output_ids = output_ids[0][len(input_ids[0]):]
output = tokenizer.decode(output_ids, skip_special_tokens=True).strip()
# output: "No"

Bibtex

@article{zhang2023law,
    title={Towards the Law of Capacity Gap in Distilling Language Models},
    author={Zhang, Chen and Song, Dawei and Ye, Zheyu and Gao, Yan},
    year={2023},
    url={https://arxiv.org/abs/2311.07052}
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.44.75
AI2 Reasoning Challenge (25-Shot)44.71
HellaSwag (10-Shot)69.33
MMLU (5-Shot)41.22
TruthfulQA (0-shot)38.44
Winogrande (5-shot)66.69
GSM8k (5-shot)8.11

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
22ec80c

0 моделей