/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9,7 млрд
Размер весов
20,4 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
28 ноя 2024

INTELLECT-1

Генерация текстаТекст → текст5 профессий

Базовая англоязычная Llama-модель на 9,7 млрд параметров для продолжения текста, генерации кода и дальнейшей адаптации.

613скачиваний за 30 дней67лайковвеса обновлены29 ноя 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3339

    text-generation 0,3753
    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,274

    text-generation 0,276
    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0

    text-generation 0
    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1757

    text-generation 0,1757
    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2534

    text-generation 0,25
    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,112

    text-generation 0,1123
    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

INTELLECT-1 — базовая языковая модель примерно на 9,7 млрд параметров, разработанная Prime Intellect совместно с участниками сообщества и обученная с нуля на триллионе токенов английского текста и кода. Это плотная модель архитектуры Llama с 42 слоями и контекстом до 8192 токенов; веса доступны в формате safetensors.

Модель предназначена для продолжения текста и генерации кода, а также как основа для дальнейшей адаптации. Это базовая модель, а не чат-ассистент: для диалогового использования авторы рекомендуют INTELLECT-1-Instruct. При генерации необходимо добавлять BOS-токен в начало каждого образца, иначе качество может снизиться.

Обучение проходило распределённо на данных FineWeb-Edu, FineWeb, Stack V1, DCLM и Open Web Math с использованием алгоритма DiLoCo. Заявленная лицензия — Apache 2.0. Модель обучалась преимущественно на английских данных, поэтому её пригодность для других языков из карточки не следует.

Сценарии применения

  • продолжение англоязычного текста
  • генерация фрагментов кода
  • эксперименты с базовой языковой моделью
  • дообучение модели под специализированные задачи

Ограничения

Это базовая модель, не настроенная для диалогов и выполнения инструкций; для чата авторы рекомендуют INTELLECT-1-Instruct. Следует добавлять BOS-токен в начало каждого образца; обучение преимущественно на английских данных ограничивает основания ожидать хорошее качество на других языках.

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

INTELLECT-1

Model Overview

INTELLECT-1 is the first collaboratively trained 10 billion parameter language model trained from scratch on 1 trillion tokens of English text and code.

Intellect 1 training visual

This is a base model. Please use the INTELLECT-1-Instruct for chat use case.

INTELLECT-1 was trained on up to 14 concurrent nodes distributed across 3 continents, with contributions from 30 independent community contributors providing compute. The training code utilizes the prime framework, a scalable distributed training framework designed for fault-tolerant, dynamically scaling, high-perfomance training on unreliable, globally distributed workers. The key abstraction that allows dynamic scaling is the ElasticDeviceMesh which manages dynamic global process groups for fault-tolerant communication across the internet and local process groups for communication within a node. The model was trained using the DiLoCo algorithms with 100 inner steps. The global all-reduce was done with custom int8 all-reduce kernels to reduce the communication payload required, greatly reducing the communication overhead by a factor 400x.

For more detailed technical insights, please refer to our technical paper.

Note: You must add a BOS token at the beginning of each sample. Performance may be impacted otherwise.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

torch.set_default_device("cuda")
model = AutoModelForCausalLM.from_pretrained("PrimeIntellect/INTELLECT-1")
tokenizer = AutoTokenizer.from_pretrained("PrimeIntellect/INTELLECT-1")

input_text = "What is the Metamorphosis of Prime Intellect about?"
input_ids = tokenizer.encode(input_text, return_tensors="pt")
output_ids = model.generate(input_ids, max_length=50, num_return_sequences=1)
output_text = tokenizer.decode(output_ids[0], skip_special_tokens=True)

print(output_text)

Example text generation pipeline

import torch
from transformers import pipeline
torch.set_default_device("cuda")

pipe = pipeline("text-generation", model="PrimeIntellect/INTELLECT-1")
print(pipe("What is prime intellect ?"))

Model Details

  • Compute Contributors: Prime Intellect, Arcee AI, kotaro, skre_0, marlo, rodeo, Herb, Olas, superchillen, Hugging Face, mev_pete, 0xfr_, dj, primeprimeint1234, Marco Giglio, realtek, Hyperbolic, hecataeus, NWO, Virtual Machine, droll, SemiAnalysis, waiting_, toptickcrypto, sto, Johannes, washout_segment_0b, klee
  • Release Date: 29 Nov 2024
  • Model License: Apache 2.0

Technical Specifications

ParameterValue
Parameter Size10B
Number of Layers42
Number of Attention Heads32
Hidden Size4096
Context Length8192
Vocabulary Size128256

Training Details:

  • Dataset: 55% fineweb-edu, 10% fineweb, 20% Stack V1, 10% dclm-baseline, 5% open-web-math
  • Tokens: 1 Trillion
  • Optimizer: Diloco/LocalSGD - Inner Optimizer: AdamW, Outer Optmizer: Nesterov SGD

Performance on benchmarks

Base Models:

ModelSizeTokensMMLUGPQAGSM8KARC-CHellaswag
INTELLECT10B1T37.526.128.152.1372.26
MPT-7B7B1T26.825.678.346.6777.41
Falcon-7B7B1.5T26.223.664.947.6178.23
Pythia-12B12B300B26.524.334.0940.6168.83
LLM360-Amber7B1.3T24.527.014.3242.7574.08
LLaMA-7B7B1T35.123.219.750.4378.19
LLaMA-13B13B1T46.926.3417.356.1481.05
LLaMA2-7B7B2T45.325.8913.554.1078.64
LLaMA2-13B13B2T54.825.6724.359.8182.58

Instruction-Tuned Models:

ModelSizeTokensMMLUGPQAGSM8KARC-CHellaswag
INTELLECT-Instruct10B1T49.8928.3238.5854.5271.42
MPT-7B-Chat7B1T36.2926.798.2651.0275.88
Falcon-7B-Instruct7B1.5T25.2126.344.9345.8270.61
LLM360-AmberChat7B1.4T36.0227.236.1443.9473.94
LLaMA2-7B-Chat7B2T47.2028.5723.9653.3378.69
LLaMA2-13B-Chat13B2T53.5128.3537.1559.7382.47

Citations

If you use this model in your research, please cite it as follows:

@article{jaghouar2024intellect,
  title={INTELLECT-1 Technical Report.},
  author={Jaghouar, Sami and Ong, Jack Min and Basra, Manveer and Obeid, Fares and Straube, Jannik and Keiblinger, Michael and Bakouch, Elie and Atkins, Lucas and Panahi, Maziyar and Goddard, Charles and Ryabinin, Max and Hagemann, Johannes},
  journal={arXiv preprint},
  year={2024}
}

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
3b8d48b

0 моделей