/ Модель

Характеристики

Контекст
131 072 токена
Параметры
365 млн
Лицензия
GPL 3.0
Архитектура
qwen2 · dense
Опубликована
8 сен 2024

NanoLM-365M-Base

Генерация текстаТекст → текст3 профессии

Компактная модель генерации текста на базе Qwen2 с заменённым токенизатором, предназначенная для дальнейшей настройки и текстовых диалогов.

428скачиваний за 30 дней0лайковвеса обновлены8 сен 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

NanoLM-365M-Base — компактная языковая модель от автора репозитория Mxode, основанная на Qwen2-0.5B. В ней заменён токенизатор на BilingualTokenizer-8K, что сократило число параметров с 0,5 млрд до 365 млн. Модель использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов.

Модель предназначена для генерации текста и может служить базой для дальнейшей тонкой настройки. После замены токенизатора автор заморозил параметры основной сети и обучал только слой эмбеддингов; обучение длилось 40 000 шагов на данных Wikipedia на китайском языке и Cosmopedia-100k. В карточке указана возможность чата, но модель обозначена как Base.

Репозиторий содержит веса safetensors. Лицензия — GPL-3.0. Карточка описывает англоязычное назначение и обучение на английских и китайских текстах; сведения о качестве и практических ограничениях не приведены.

Сценарии применения

  • генерация текста на английском языке
  • прототипирование чат-бота
  • дальнейшая тонкая настройка языковой модели
  • эксперименты с компактными LLM
  • генерация продолжений текста с длинным контекстом

Ограничения

Карточка не приводит оценок качества или подробных результатов обучения; модель обозначена как Base и может требовать тонкой настройки для конкретных задач.

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

NanoLM-365M-base

English | 简体中文

Introduction

Based on Qwen2-0.5B, the tokenizer has been replaced with BilingualTokenizer-8K to reduce the number of parameters. The total parameters have been reduced from 0.5B to 365M.

Details

To recover some performance and facilitate fine-tuning for downstream tasks, I chose to freeze the backbone parameters and only train the embedding part after replacing the tokenizer. Training was conducted for 40,000 steps on wikipedia-zh and cosmopedia-100k.

Value
Total Params365 M
Trainable Params< 10 M
Trainable Partsmodel.embed_tokens
Training Steps40,000
Training Datasetwikipedia-zh, cosmopedia-100k
Optimizeradamw_torch
Learning Rate2e-4
LR Schedulercosine
Weight Decay0.1
Warm-up Ratio0.03
Batch Size16
Gradient Accumulation Steps1
Seq Len4096
Dtypebf16
Peak GPU Memory< 48 GB
DeviceNVIDIA A100-SXM4-80GB

The specific training records are as follows: result

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
30ce490

0 моделей