/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
2,6 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
8 июл 2023

TinyLLama-v0

Генерация текстаТекст → текст3 профессии

Экспериментальная компактная модель Llama для генерации коротких историй и изучения обучения языковых моделей.

88 122скачиваний за 30 дней45лайковвеса обновлены5 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

Maykeye разработал экспериментальную PoC-модель TinyLLama-v0 — компактную причинно-авторегрессионную языковую модель семейства Llama для генерации текста. Это первая версия воспроизведения roneneldan/TinyStories-1M с архитектурой Llama; для обучения использовался корпус TinyStoriesV2-GPT4 и токенизатор open_llama_3b. Модель содержит 2,6 млн параметров, поддерживает контекст до 2048 токенов и доступна в форматах PyTorch, ONNX и Safetensors.

Модель предназначена для экспериментов с обучением и генерацией коротких историй. Автор отмечает, что обучение обрезает истории длиннее контекста и не использует скользящее окно, поэтому такие истории не обучаются целиком. Карточка называет эту версию крайне ранним доказательством концепции. Лицензия — Apache-2.0.

Сценарии применения

  • генерация коротких детских историй
  • эксперименты с обучением компактной языковой модели
  • демонстрация причинной генерации текста
  • изучение применения архитектуры Llama к корпусу TinyStories

Ограничения

Это ранняя PoC-версия; при обучении истории длиннее контекста обрезаются, а скользящее окно не применяется. README также сообщает о проблемах автора с локальным использованием токенизатора open_llama_3b.

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

This is a first version of recreating roneneldan/TinyStories-1M but using Llama architecture.

  • Full training process is included in the notebook train.ipynb. Recreating it as simple as downloading TinyStoriesV2-GPT4-train.txt and TinyStoriesV2-GPT4-valid.txt in the same folder with the notebook and running the cells. Validation content is not used by the script so you put anythin in

  • Backup directory has a script do_backup that I used to copy weights from remote machine to local. Weight are generated too quickly, so by the time script copied weihgt N+1

  • This is extremely PoC version. Training truncates stories that are longer than context size and doesn't use any sliding window to train story not from the start

  • Training took approximately 9 hours (3 hours per epoch) on 40GB A100. ~30GB VRAM was used

  • I use tokenizer from open_llama_3b. However I had troubles with it locally(https://github.com/openlm-research/open_llama/issues/69). I had no troubles on the cloud machine with preninstalled libraries.

  • Demo script is demo.py

  • Validation script is provided: valid.py. use it like python valid.py path/to/TinyStoriesV2-GPT4-valid.txt [optional-model-id-or-path]: After training I decided that it's not necessary to beat validation into chunks

  • Also this version uses very stupid caching mechinsm to shuffle stories for training: it keeps cache of N recently loaded chunks so if random shuffle asks for a story, it may use cache or load chunk. Training dataset is too small, so in next versions I will get rid of it.

from transformers import AutoModelForCausalLM, AutoTokenizer

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
2983388

0 моделей