/ Модель

Характеристики

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

MiniPLM-Qwen-500M

Генерация текстаТекст → текст5 профессий

Компактная модель Qwen2 на 463,9 млн параметров, обученная с нуля методом MiniPLM для генерации текста и диалогов.

185скачиваний за 30 дней7лайковвеса обновлены25 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

MiniPLM-Qwen-500M — компактная языковая модель семейства Qwen2, разработанная авторами MiniPLM и обученная с нуля с применением их метода дистилляции знаний. Модель содержит около 463,9 млн параметров и предназначена для генерации текста; в репозитории указана архитектура Qwen2ForCausalLM, библиотека Transformers и контекст до 32 768 токенов.

Обучение проводилось на корпусе The Pile с помощью Difference Sampling: данные были предварительно обработаны с использованием знаний Qwen1.5-1.8B в роли учителя. Модель ориентирована на компактное языковое моделирование и генерацию текста; метаданные также отмечают поддержку диалогового сценария. Карточка сообщает об улучшении результатов на девяти downstream-задачах относительно базовых подходов при сопоставимых вычислительных затратах, но подробные результаты и ограничения в предоставленных материалах не приведены. Лицензия — Apache-2.0.

Сценарии применения

  • генерация связного текста по запросу
  • создание диалогового помощника
  • эксперименты с компактными языковыми моделями
  • исследование дистилляции знаний при предобучении

Ограничения

Карточка не приводит подробных результатов оценки или описания ограничений модели. Модель существенно компактнее учительской Qwen1.5-1.8B, поэтому её возможности могут быть ниже возможностей более крупной модели.

Для каких профессий подходит5

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

MinPLM-Qwen-500M

paper | code

MiniPLM-Qwen-500M is a 500M 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.

Paper Abstract

Knowledge distillation (KD) is widely used to train small, high-performing student language models (LMs) using large teacher LMs. While effective in fine-tuning, KD during pre-training faces challenges in efficiency, flexibility, and effectiveness. Existing methods either incur high computational costs due to online teacher inference, require tokenization matching between teacher and student LMs, or risk losing the difficulty and diversity of the teacher-generated training data. To address these issues, we propose MiniPLM, a KD framework for pre-training LMs by refining the training data distribution with the teacher's knowledge. For efficiency, MiniPLM performs offline teacher LM inference, allowing KD for multiple student LMs without adding training-time costs. For flexibility, MiniPLM operates solely on the training corpus, enabling KD across model families. For effectiveness, MiniPLM leverages the differences between large and small LMs to enhance the difficulty and diversity of the training data, helping student LMs acquire versatile and sophisticated knowledge. Extensive experiments demonstrate that MiniPLM boosts the student LMs' performance on 9 widely used downstream tasks, improves the language modeling capabilities, and reduces pre-training computation. The benefit of MiniPLM extends to large pre-training scales, evidenced by the extrapolation of the scaling curves. Further analysis reveals that MiniPLM supports KD across model families and enhances the utilization of pre-training data. Our model, code, and data are available at https://github.com/thu-coai/MiniPLM.

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
296985d

0 моделей