/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,3 млрд
Лицензия
Llama 2
Архитектура
llama · dense
Библиотека
transformers
Опубликована
13 янв 2024

swiglu-10B

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель семейства Llama с активацией SwiGLU для генерации текста и изучения разреженных вычислений.

373скачиваний за 30 дней0лайковвеса обновлены7 фев 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

SparseLLM/swiglu-10B — плотная авторегрессионная языковая модель семейства Llama, представленная в формате PyTorch и Safetensors. В README описан эксперимент по предварительному обучению моделей с разными функциями активации для изучения разреженности активаций и эффективности разреженных вычислений; эта модель использует SwiGLU. Обучение проводилось на 100 млрд токенов из RefinedWeb и SlimPajama.

Модель предназначена для генерации текста и экспериментов с разреженными вычислениями в LLM. В метаданных указаны 1,3 млрд параметров, контекст 2048 токенов, библиотека Transformers и английский язык. Используется лицензия Llama 2. README не приводит результатов сравнительной оценки качества или сведений об оптимизированном разреженном инференсе.

Сценарии применения

  • генерация англоязычного текста
  • исследование разреженности активаций SwiGLU
  • сравнение функций активации в языковых моделях

Ограничения

Контекст ограничен 2048 токенами. README не сообщает результаты оценки качества или детали применения разреженных вычислений при инференсе.

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

Background

Sparse computation is increasingly recognized as an important direction in enhancing the computational efficiency of large language models (LLMs).

Prior research has demonstrated that LLMs utilizing the ReLU activation function exhibit sparse activations. Interestingly, our findings indicate that models based on SwiGLU also manifest sparse activations.

This phenomenon prompts an essential question: Which activation function is optimal for sparse LLMs? Although previous works on activation function selection have focused on the performance of LLMs, we argue that the efficiency of sparse computation should also be considered so that the LLMs can proceed with efficient inference while preserving performance.

To answer this question, we pretrain 4 LLMs with different activation functions, including ReLU, SwiGLU, ReGLU, and Squared ReLU to do more comprehensive experiments.

Dataset

We pretrain the model on 100 billion tokens, including:

  • Refinedweb
  • SlimPajama

Training Hyper-parameters

ParameterValue
Batch_Size4M
GPUs64xA100(80G)
LR_Schedulercosine
LR3e-4

Citation:

Please kindly cite using the following BibTeX:

@article{zhang2024relu2,
      title={ReLU$^2$ Wins: Discovering Efficient Activation Functions for Sparse LLMs}, 
      author={Zhengyan Zhang and Yixin Song and Guanghui Yu and Xu Han and Yankai Lin and Chaojun Xiao and Chenyang Song and Zhiyuan Liu and Zeyu Mi and Maosong Sun},
      journal = {arXiv preprint arXiv:2402.03804},
       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
LlamaForCausalLM
Ревизия весов
8d70c40

0 моделей