/ Модель

Характеристики

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

Ref-Pretrain-Qwen-104M

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная модель Qwen2, обученная с нуля на The Pile и используемая как эталон для подготовки данных дистилляции MiniPLM.

648скачиваний за 30 дней5лайковвеса 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

Ref-Pretrain-Qwen-104M — языковая модель MiniLLM на архитектуре Qwen2 с 103,5 млн параметров. Её обучили с нуля на корпусе The Pile в течение 5 млрд токенов; веса сохранены в формате safetensors и доступны для работы через Transformers. Контекст модели составляет 32 768 токенов.

Модель предназначена прежде всего для генерации текста и служит эталонной моделью в рамках фреймворка дистилляции знаний MiniPLM: с её помощью формируют уточнённый корпус предобучения, на котором затем обучают модели MiniPLM. Карточка также публикует токенизированный корпус для воспроизводимости. Указана поддержка английского языка и диалоговых сценариев.

Модель выпущена под лицензией Apache-2.0. README не приводит результатов оценки самой Ref-Pretrain-Qwen-104M; её основное назначение связано с подготовкой данных для дистилляции, поэтому качество ответов в прикладных сценариях по карточке оценить нельзя.

Сценарии применения

  • генерация английского текста
  • использование в качестве эталонной модели при дистилляции языковых моделей
  • подготовка уточнённого корпуса предобучения для MiniPLM
  • воспроизводимые эксперименты с предобучением на The Pile

Ограничения

Карточка не приводит оценок качества этой модели. Её заявленное основное применение — формирование корпуса для дистилляции MiniPLM.

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

Ref-Pretrain-Qwen-104M

paper | code

Ref-Pretrain-Qwen-104M is a 104M model with Qwen achitecture conventionally pre-trained from scratch on the Pile for 5B tokens.

We also open-source the tokenized pre-training corpus for reproducibility.

It is used as the reference model in the MiniPLM knwoledge distillation framework to construct the refined pre-training corpus. The data is then used to train MiniPLM models.

Evaluation

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

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
f91c3cf

0 моделей