/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,2 млрд
Размер весов
6,4 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B
Опубликована
19 дек 2024

finemath-ablation-3plus-160B

Генерация текстаТекст → текст3 профессии

Экспериментальная модель Llama 3.2 3B, продолжившая предобучение на английских математических данных для текстового продолжения и сравнения абляций FineMath.

51скачиваний за 30 дней0лайковвеса обновлены19 дек 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

HuggingFaceTB разработала эту экспериментальную модель в рамках серии абляций FineMath: это плотная авторегрессионная модель семейства Llama, полученная продолжением предобучения Llama 3.2 3B. В модели около 3,2 млрд параметров, контекст составляет 4096 токенов; веса опубликованы в формате Safetensors, лицензия — Apache 2.0.

Модель обучалась продолжать текст на английском языке с уклоном в математику. В обучении использовалась смесь FineWeb-Edu, FineMath-3+ и InfiWebMath-3+; README сообщает о 160 млрд токенов, тогда как раздел характеристик указывает 60 млрд токенов и 60 тысяч шагов. Модель не проходила инструкционное дообучение, поэтому предназначена прежде всего для текстового продолжения и сравнения результатов абляционных экспериментов, а не для диалогового использования как готовый помощник.

Её специализация на математических данных может быть полезна для генерации математического текста, но качество решения задач не гарантируется. Преимущественно английские обучающие данные ограничивают ожидаемую эффективность на других языках; поведение также зависит от качества и разнообразия данных и может отражать их предвзятость или вредное содержание.

Сценарии применения

  • продолжение математического текста на английском языке
  • генерация фрагментов рассуждений и объяснений по математической теме
  • сравнение влияния FineMath-3+ на продолжение предобучения языковой модели
  • экспериментальная оценка языковой модели на английских математических данных

Ограничения

Модель не настроена на выполнение инструкций и предназначена для текстового продолжения, а не для готового диалогового помощника. Преимущественно английские математические данные могут ограничивать качество на других языках; в README также отмечены возможные смещения и вредное содержание.

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

Model Card

Model summary

This model is part of the 📐 FineMath ablations, we continue pretraining Llama-3.2-3B base on different math datasets for 60B tokens. The model has 3.21B parameters and 4096 context length. It was trained on 160B tokens using a mix of 40% FineWeb-Edu and 30% FineMath-3+ and 30% InfiWebMath-3+ from the 📐 FineMath dataset.

  • License: Apache-2
  • Languages: English

Use

Intended use

This model was trained on English math data and is not instruction-tuned, making it intended for text completion in English with a focus on math. It is important to note that the primary intended use case of this model is to compare its performance with other models trained under the same conditions. This model is not necessarily the best possible outcome achievable with the given dataset.

Generation

# pip install -q transformers
from transformers import AutoModelForCausalLM, AutoTokenizer

model = "HuggingFaceTB/finemath-ablation-3plus-160B"
device = "cuda" # for GPU usage or "cpu" for CPU usage

tokenizer = AutoTokenizer.from_pretrained(model)
model = AutoModelForCausalLM.from_pretrained(model).to(device)

inputs = tokenizer.encode("Machine Learning is", return_tensors="pt").to(device)
outputs = model.generate(inputs)
print(tokenizer.decode(outputs[0]))

Intermediate checkpoints

We are releasing intermediate checkpoints for this model at intervals of every 10000 training steps (10B tokens) in separate branches. The naming convention is 10B.

You can load a specific model revision with transformers using the argument revision:

model = AutoModelForCausalLM.from_pretrained("HuggingFaceTB/finemath-ablation-3plus-160B", revision="10B")

You can access all the revisions for the models via the following code:

from huggingface_hub import list_repo_refs
out = list_repo_refs("HuggingFaceTB/finemath-ablation-3plus-160B")
print([b.name for b in out.branches])

Training

Model

  • Architecture: Llama3
  • Pretraining steps: 60k
  • Pretraining tokens: 60B
  • Precision: bfloat16

Hardware

  • GPUs: 64 H100

Software

Evaluation

We used the SmolLM2 setup to evaluate all our ablation models with lighteval. You can find the details here: https://github.com/huggingface/smollm/tree/main/evaluation#smollm2-base-models

Limitations

This model was predominantly trained on English math data, potentially limiting its performance in other languages. Furthermore, the model's behavior is influenced by the quality and diversity of its training data, which may include biases and harmful content.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
0bdfe76

0 моделей