/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
203 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
17 окт 2024

MiniPLM-Qwen-200M

Генерация текстаТекст → текст3 профессии

Компактная языковая модель MiniLLM на архитектуре Qwen2 для генерации текста и диалогов, обученная с нуля методом дистилляции MiniPLM.

8 881скачиваний за 30 дней9лайковвеса обновлены27 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

MiniPLM-Qwen-200M — языковая модель примерно на 203,4 млн параметров с архитектурой Qwen2, разработанная MiniLLM. Её предварительно обучили с нуля на корпусе The Pile с помощью фреймворка дистилляции знаний MiniPLM; учителем служила Qwen1.5-1.8B. Модель предназначена для генерации текста и диалогового взаимодействия. В README также описан корпус, отобранный методом Difference Sampling и опубликованный для воспроизводимости обучения.

Модель работает с текстом, использует библиотеку Transformers и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык и лицензия Apache-2.0. README сообщает о сравнительных оценках относительно обычного предварительного обучения и VanillaKD, но не приводит численных результатов, поэтому эти заявления не позволяют оценить качество для конкретных сценариев.

Сценарии применения

  • генерация продолжений текста на английском языке
  • создание диалогового помощника на базе небольшой языковой модели
  • эксперименты с дистилляцией знаний для языковых моделей
  • воспроизведение предварительного обучения на корпусе The Pile

Ограничения

README не приводит численных результатов оценки или сравнений по конкретным задачам, поэтому пригодность модели для прикладных сценариев требует отдельной проверки. Модель имеет около 203 млн параметров, что ограничивает её возможности по сравнению с более крупными языковыми моделями.

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

MinPLM-Qwen-200M

paper | code

MiniPLM-Qwen-200M is a 200M model with Qwen achitecture pre-trained from scratch on the Pile using the MiniPLM knowledge distillation framework with the offcial Qwen1.5-1.8B as the teacher model.

We also open-source the pre-training corpus refined by Difference Sampling in MiniPLM for reproducibility.

Evaluation

MiniPLM models achieves better performance given the same computation and scales well across model sizes:

Baseline Models

Citation

@article{miniplm,
    title={MiniPLM: Knowledge Distillation for Pre-Training Language Models}, 
    author={Yuxian Gu and Hao Zhou and Fandong Meng and Jie Zhou and Minlie Huang},
    journal={arXiv preprint arXiv:2410.17215},
    year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
c5abf54

0 моделей