/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
134 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM-135M
Библиотека
transformers
Опубликована
7 окт 2024

SmolLM-135M-de

Генерация текстаТекст → текст3 профессии

Компактная немецкоязычная модель для генерации текста и экспериментов с языковыми моделями.

401скачиваний за 30 дней1лайквеса обновлены10 окт 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

SmolLM-135M-de — компактная языковая модель на архитектуре Llama, созданная LemiSt на базе HuggingFaceTB/SmolLM-135M. Авторы продолжили предварительное обучение базовой модели примерно на 6 млрд немецкоязычных токенов; модель содержит 134,5 млн параметров и рассчитана на контекст до 2048 токенов.

Модель предназначена для генерации немецкого текста и экспериментов, например быстрого сравнения датасетов. Это базовая модель без чатовой донастройки: она может выдавать в основном корректный немецкий текст, но не предназначена для использования как готовый диалоговый ассистент. Обучающие данные собраны из немецкоязычных веб-текстов, новостей, книг и Википедии.

Из-за небольшого размера модель может генерировать фактически неверную информацию; автор также предупреждает о возможности непристойного или другого нежелательного содержания из-за отсутствия дополнительной фильтрации данных. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения немецкого текста
  • быстрое сравнение немецкоязычных обучающих датасетов
  • эксперименты с дообучением небольших языковых моделей

Ограничения

Модель очень мала и может генерировать явно неверную информацию; она не дообучена для чата и не рекомендуется для производственного применения без дополнительной настройки. Данные не проходили дополнительную фильтрацию, поэтому возможен непристойный или иной нежелательный контент.

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 for SmolLM-135M-de

A german version of HuggingFaceTB/SmolLM-135M, trained to speak German by applying CPT for about 6 billion tokens.

If you are looking for a chat model, try this fine tune or the corresponding adapter model.

Model Details

Model Description

The base model is HuggingFaceTB/SmolLM-135M, which I further trained on about 6 billion German-language tokens.

  • Model type: Large Language Model (Llama architecture)
  • Language(s) (NLP): German
  • License: Apache 2.0
  • Finetuned from model: HuggingFaceTB/SmolLM-135M

Uses

I mainly made this as a small experimentation model to quickly benchmark datasets etc. - since the model is so small, I am unsure about its usefulness for any real-world scenarios.

This is a base model without any chat fine tuning etc. and thus should not be used as-is. It outputs mostly correct German, which is what I tried to achieve.

If you are looking for a chat model, try this adapter.

Bias, Risks, and Limitations

This is a very small model and will output blatantly wrong information. I have not done any further filtering on the source datasets, so it is possible that the model will generate lewd or otherwise inappropriate content. Use with care.

I would strongly recommend against using this model in a production setting, at least without further fine tuning and preference optimization.

How to Get Started with the Model

Use the code below to get started with the model.

# adapted from the original SmolLM repo
# pip install transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
checkpoint = "LemiSt/SmolLM-135M-de"
device = "cuda" # for GPU usage or "cpu" for CPU usage
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
# for multiple GPUs install accelerate and do `model = AutoModelForCausalLM.from_pretrained(checkpoint, device_map="auto")`
model = AutoModelForCausalLM.from_pretrained(checkpoint).to(device)
inputs = tokenizer.encode("Rezept für einen leckeren veganen Schokokuchen:\n", return_tensors="pt").to(device)
outputs = model.generate(inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0]))

Training Details

Training Data

Training Procedure

This was trained with axolotl, using full fine tuning (no LoRA etc). I used a sequence length of 2048 with an effective batch size of 512, learning rate of 0.003 with the adamw_bnb_8bit optimizer and a cosine scheduler. Due to an error I made in calculating the token count, I accidentally trained for nearly 2 epochs, with the learning rate not reaching its proper minimum.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaModel
Ревизия весов
6b89ae0

0 моделей