/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
openlm · dense
Библиотека
openlm
Опубликована
9 апр 2024

mistral-supra

Генерация текстаТекст → текст4 профессии

Языковая модель на 7 млрд параметров на основе Mistral-7B, преобразованная в линейную рекуррентную архитектуру для генерации текста и исследований линейного внимания.

85скачиваний за 30 дней12лайковвеса обновлены13 мая 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Mistral-SUPRA — авторегрессионная языковая модель, разработанная Toyota Research Institute. Она создана на основе весов Mistral-7B: модель дополнительно обучили и преобразовали в линейную рекуррентную нейросеть архитектуры SUPRA на 100 млрд токенов RefinedWeb. При инференсе она может работать как трансформер или как рекуррентная модель с линейным вниманием. Модель содержит 7 млрд параметров, 32 слоя и имеет длину последовательности 2048 токенов; используется токенизатор Mistral-7B-v0.1.

Модель предназначена для генерации текста и исследовательских экспериментов с линейными языковыми моделями, в том числе для сравнения трансформерного и рекуррентного режимов работы. В README приведены оценки на нескольких языковых бенчмарках, однако подробных результатов самой Mistral-SUPRA в предоставленном фрагменте нет. Карточка указывает лицензию Apache 2.0; веса доступны в формате PyTorch для Hugging Face и предполагают использование библиотеки OpenLM с поддержкой линейного внимания.

Сценарии применения

  • генерация продолжений текста
  • эксперименты с линейными языковыми моделями
  • сравнение трансформерного и рекуррентного инференса
  • оценка языковой модели на бенчмарках

Ограничения

Длина последовательности составляет 2048 токенов. Для работы с линейным вниманием может потребоваться вариант библиотеки OpenLM с соответствующей поддержкой.

Для каких профессий подходит4

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

Mistral-SUPRA

This model was initialized from the weights of the Mistral-7B transformer model and up-trained into a linear RNN.

This is an accompanying model of our paper Linearizing Large Language Models, where we detail our process of converting a softmax transformer into a linear transformer, which at inference time can function as both a transformer and a recurrent model. Our linear attention code can be found at https://github.com/TRI-ML/linear_open_lm/

We uptrain Mistral-7B on 100B tokens of RefinedWeb.

Model Details

ParametersHidden SizeLayersVocab SizeSequence Length
7B409632320002048

Training Details

  • Mistral-SUPRA was trained using AWS SageMaker on 128 H100 80GB GPUs.
  • Training on 100B tokens finished in 1.5 days. | Hyperparameter | Value | |--------------------|------------| | Precision | bfloat16 | | Optimizer | AdamW | | Learning rate | 3e-5 | | LR cooldown end | 1e-5 | | Warmup steps | 1000 | | Batch size | 2M | | QK norm | False |

Usage

This model was trained using OpenLM. The weights have been converted to be compatible with HuggingFace.

To use the model, you need to first pip install our fork of OpenLM.

pip install git+https://github.com/tri-ml/linear_open_lm.git

Import the OpenLM classes with

from open_lm.open_lm_hf import *

The model can then be loaded normally using AutoTokenizer and AutoModelForCausalLM as follows:

from open_lm.open_lm_hf import *
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("tri-ml/mistral-supra")
model = AutoModelForCausalLM.from_pretrained("tri-ml/mistral-supra")

inputs = tokenizer(["Machine learning is"], return_tensors="pt")
gen_kwargs = {"max_new_tokens": 50, "top_p": 0.8, "temperature": 0.8, "do_sample": True, "repetition_penalty": 1.1}
output = model.generate(inputs['input_ids'], **gen_kwargs)
output = tokenizer.decode(output[0].tolist(), skip_special_tokens=True)
print(output)
# Machine learning is a branch of artificial intelligence (AI) that enables computers to learn from experience without being explicitly programmed. Machine learning is used in a wide range of applications, including spam filtering, image recognition, speech recognition, and computer-based medical diagnosis

The Mistral-SUPRA model can be used both in parallel mode and in recurrent mode. If use_cache is set to False for model.generate(...), then it will use parallel mode; otherwise, it will use recurrent mode. The recurrent model uses xformers and requires the inputs and models to be loaded to GPU.

# Recurrent mode
output = model.to('cuda').generate(inputs['input_ids'].to('cuda'), use_cache=True, **gen_kwargs)

# Parallel mode
output = model.to('cuda').generate(inputs['input_ids'].to('cuda'), use_cache=False, **gen_kwargs)

Performance Evaluation

Our evaluations were done using the Eleuther LM Eval Harness repo.

Below we report the performance of Mistral-SUPRA compared to other similarly sized models.

HellaSwagPIQAWinograndeARC-EARC-CMMLU (5-shot)
Llama2-7B76.079.169.176.346.345.9
Gemma-7B80.781.973.781.153.262.9
Mistral-7B81.082.174.080.953.862.4
RWKV5-1.7T-7B73.078.672.975.845.634.9
Mamba-7B77.981.071.877.546.733.3
Mistral-SUPRA77.180.470.375.945.834.2

How to Cite

If you use this model, please cite our paper on Linearizing Large Language Models.

@article{Mercat2024Linearizing,
  title={Linearizing Large Language Models},
  author={Jean Mercat and Igor Vasiljevic and Sedrick Keh and Kushal Arora and Achal Dave and Adrien Gaidon and Thomas Kollar},
  year={2024},
  journal={arXiv preprint arXiv:2405.06640},
}

Citations

OpenLM

@misc{open_lm,
  author = {Gururangan, Suchin and Wortsman, Mitchell and Gadre, Samir Yitzhak and Dave, Achal and Kilian, Maciej and Shi, Weijia and Mercat, Jean and Smyrnis, Georgios and Ilharco, Gabriel and Jordan, Matt and Heckel, Reinhard and Dimakis, Alex and Farhadi, Ali and Shankar, Vaishaal and Schmidt, Ludwig},
  title = {{open_lm}:  a minimal but performative language modeling (LM) repository},
  year = {2023},
  note = {GitHub repository},
  url = {https://github.com/mlfoundations/open_lm/}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · openlm

Нельзя запустить

Архитектура openlm неизвестна transformers в образе рантайма.

Класс архитектуры
OpenLMForCausalLM
Ревизия весов
819d065

0 моделей