/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,7 млрд
Размер весов
27,6 ГБ
Лицензия
Apache 2.0
Архитектура
olmo · dense
Опубликована
12 апр 2024

OLMo-7B-hf

Генерация текстаТекст → текст4 профессии

Открытая англоязычная авторегрессионная модель AI2 на 6,7 млрд параметров для генерации и продолжения текста.

13 112скачиваний за 30 дней17лайковвеса обновлены16 июл 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.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1173

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2719

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3279

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0121

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2727

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3487

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OLMo 7B — авторегрессионная языковая модель на архитектуре Transformer, разработанная Allen Institute for AI (AI2) при поддержке партнёров. Эта версия преобразована из allenai/OLMo-7B в формат Hugging Face Transformers и опубликована в формате safetensors. Модель содержит 6,7 млрд параметров; её контекст — 2048 токенов. Она обучена на английском языке на наборе данных Dolma примерно на 2,5 трлн токенов.

Модель предназначена для продолжения текста и генерации ответов на текстовые запросы. Её можно использовать для языкового моделирования, прототипирования приложений и исследований поведения открытых языковых моделей. Карточка приводит результаты оценивания на нескольких тестах, но не заявляет о специализированной настройке для диалогов или конкретной предметной области.

Модель распространяется по лицензии Apache 2.0. Как базовая языковая модель без фильтрации безопасности, она может выдавать вредный, предвзятый или фактически неверный текст; важные утверждения следует проверять.

Сценарии применения

  • продолжение английского текста
  • генерация черновиков и примеров текста
  • создание прототипа приложения на базе языковой модели
  • эксперименты с языковым моделированием
  • оценка базовых языковых моделей на тестах

Ограничения

Модель может генерировать вредный, предвзятый или фактически неверный текст; результаты следует проверять. Контекст ограничен 2048 токенами.

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

Model Card for OLMo 7B

OLMo is a series of Open Language Models designed to enable the science of language models. The OLMo models are trained on the Dolma dataset. We release all code, checkpoints, logs (coming soon), and details involved in training these models. This model has been converted from allenai/OLMo-7B for the Hugging Face Transformers format.

Model Details

The core models released in this batch are the following:

SizeTraining TokensLayersHidden SizeAttention HeadsContext Length
OLMo 1B3 Trillion162048162048
OLMo 7B2.5 Trillion324096322048
OLMo 7B Twin 2T2 Trillion324096322048

We are releasing many checkpoints for these models, for every 1000 training steps. These have not yet been converted into Hugging Face Transformers format, but are available in allenai/OLMo-7B.

Model Description

  • Developed by: Allen Institute for AI (AI2)
  • Supported by: Databricks, Kempner Institute for the Study of Natural and Artificial Intelligence at Harvard University, AMD, CSC (Lumi Supercomputer), UW
  • Model type: a Transformer style autoregressive language model.
  • Language(s) (NLP): English
  • License: The code and model are released under Apache 2.0.
  • Contact: Technical inquiries: olmo at allenai dot org. Press: press at allenai dot org
  • Date cutoff: Feb./March 2023 based on Dolma dataset version.

Model Sources

Uses

Inference

Quickly get inference running with the following:

from transformers import AutoModelForCausalLM, AutoTokenizer
olmo = AutoModelForCausalLM.from_pretrained("allenai/OLMo-7B-hf")
tokenizer = AutoTokenizer.from_pretrained("allenai/OLMo-7B-hf")
message = ["Language modeling is"]
inputs = tokenizer(message, return_tensors='pt', return_token_type_ids=False)
# optional verifying cuda
# inputs = {k: v.to('cuda') for k,v in inputs.items()}
# olmo = olmo.to('cuda')
response = olmo.generate(**inputs, max_new_tokens=100, do_sample=True, top_k=50, top_p=0.95)
print(tokenizer.batch_decode(response, skip_special_tokens=True)[0])
>> 'Language modeling is the first step to build natural language generation...'

Alternatively, with the pipeline abstraction:

from transformers import pipeline
olmo_pipe = pipeline("text-generation", model="allenai/OLMo-7B-hf")
print(olmo_pipe("Language modeling is "))
>> 'Language modeling is a branch of natural language processing that aims to...'

Or, you can make this slightly faster by quantizing the model, e.g. AutoModelForCausalLM.from_pretrained("allenai/OLMo-7B-hf", torch_dtype=torch.float16, load_in_8bit=True) (requires bitsandbytes). The quantized model is more sensitive to typing / cuda, so it is recommended to pass the inputs as inputs.input_ids.to('cuda') to avoid potential issues.

Fine-tuning

This model does not directly support our fine-tuning processes. Model fine-tuning can be done from the final checkpoint or many intermediate checkpoints of allenai/OLMo-7B.

Evaluation

Core model results for the 7B model are found below.

Llama 7BLlama 2 7BFalcon 7BMPT 7BOLMo 7B (ours)
arc_challenge44.539.847.546.548.5
arc_easy57.057.770.470.565.4
boolq73.173.574.674.273.4
copa85.087.086.085.090
hellaswag74.574.575.977.676.4
openbookqa49.848.453.048.650.2
piqa76.376.478.577.378.4
sciq89.590.893.993.793.8
winogrande68.267.368.969.967.9
Core tasks average68.768.472.171.571.6
truthfulQA (MC2)33.938.534.03336.0
MMLU (5 shot MC)31.545.024.030.828.3
GSM8k (mixed eval.)10.0 (8shot CoT)12.0 (8shot CoT)4.0 (5 shot)4.5 (5 shot)8.5 (8shot CoT)
Full average57.859.359.259.359.8

And for the 1B model:

taskrandomStableLM 2 1.6b*Pythia 1BTinyLlama 1.1BOLMo 1B (ours)
arc_challenge2543.8133.1134.7834.45
arc_easy2563.6850.1853.1658.07
boolq5076.661.864.660.7
copa5084727879
hellaswag2568.244.758.762.5
openbookqa2545.837.843.646.4
piqa507469.171.173.7
sciq2594.78690.588.1
winogrande5064.953.358.958.9
Average36.1168.4156.4461.4862.42

*Unlike OLMo, Pythia, and TinyLlama, StabilityAI has not disclosed yet the data StableLM was trained on, making comparisons with other efforts challenging.

Model Details

Data

For training data details, please see the Dolma documentation.

Architecture

OLMo 7B architecture with peer models for comparison.

OLMo 7BLlama 2 7BOpenLM 7BFalcon 7BPaLM 8B
d_model40964096409645444096
num heads3232327116
num layers3232323232
MLP ratio~8/3~8/3~8/344
LayerNorm typenon-parametric LNRMSNormparametric LNparametric LNparametric LN
pos embeddingsRoPERoPERoPERoPERoPE
attention variantfullGQAfullMQAMQA
biasesnonenonein LN onlyin LN onlynone
block typesequentialsequentialsequentialparallelparallel
activationSwiGLUSwiGLUSwiGLUGeLUSwiGLU
sequence length20484096204820482048
batch size (instances)2160102420482304512
batch size (tokens)~4M~4M~4M~4M~1M
weight tyingnonononoyes

Hyperparameters

AdamW optimizer parameters are shown below.

SizePeak LRBetasEpsilonWeight Decay
1B4.0E-4(0.9, 0.95)1.0E-50.1
7B3.0E-4(0.9, 0.99)1.0E-50.1

Optimizer settings comparison with peer models.

OLMo 7BLlama 2 7BOpenLM 7BFalcon 7B
warmup steps5000200020001000
peak LR3.0E-043.0E-043.0E-046.0E-04
minimum LR3.0E-053.0E-053.0E-051.2E-05
weight decay0.10.10.10.1
beta10.90.90.90.99
beta20.950.950.950.999
epsilon1.0E-051.0E-051.0E-051.0E-05
LR schedulelinearcosinecosinecosine
gradient clippingglobal 1.0global 1.0global 1.0global 1.0
gradient reduce dtypeFP32FP32FP32BF16
optimizer state dtypeFP32most likely FP32FP32FP32

Environmental Impact

OLMo 7B variants were either trained on MI250X GPUs at the LUMI supercomputer, or A100-40GB GPUs provided by MosaicML. A summary of the environmental impact. Further details are available in the paper.

GPU TypePower Consumption From GPUsCarbon Intensity (kg CO₂e/KWh)Carbon Emissions (tCO₂eq)
OLMo 7B TwinMI250X (LUMI supercomputer)135 MWh0*0*
OLMo 7BA100-40GB (MosaicML)104 MWh0.65675.05

Bias, Risks, and Limitations

Like any base language model or fine-tuned model without safety filtering, it is relatively easy for a user to prompt these models to generate harmful and generally sensitive content. Such content can also be produced unintentionally, especially in the case of bias, so we recommend users consider the risks of applications of this technology.

Otherwise, many facts from OLMo or any LLM will often not be true, so they should be checked.

Citation

BibTeX:

@article{Groeneveld2023OLMo,
  title={OLMo: Accelerating the Science of Language Models},
  author={Groeneveld, Dirk and Beltagy, Iz and Walsh, Pete and Bhagia, Akshita and Kinney, Rodney and Tafjord, Oyvind and Jha, Ananya Harsh and Ivison, Hamish and Magnusson, Ian and Wang, Yizhong and Arora, Shane and Atkinson, David and Authur, Russell and Chandu, Khyathi and Cohan, Arman and Dumas, Jennifer and Elazar, Yanai and Gu, Yuling and Hessel, Jack and Khot, Tushar and Merrill, William and Morrison, Jacob and Muennighoff, Niklas and Naik, Aakanksha and Nam, Crystal and Peters, Matthew E. and Pyatkin, Valentina and Ravichander, Abhilasha and Schwenk, Dustin and Shah, Saurabh and Smith, Will and Subramani, Nishant and Wortsman, Mitchell and Dasigi, Pradeep and Lambert, Nathan and Richardson, Kyle and Dodge, Jesse and Lo, Kyle and Soldaini, Luca and Smith, Noah A. and Hajishirzi, Hannaneh},
  journal={Preprint},
  year={2024}
}

APA:

Groeneveld, D., Beltagy, I., Walsh, P., Bhagia, A., Kinney, R., Tafjord, O., Jha, A., Ivison, H., Magnusson, I., Wang, Y., Arora, S., Atkinson, D., Authur, R., Chandu, K., Cohan, A., Dumas, J., Elazar, Y., Gu, Y., Hessel, J., Khot, T., Merrill, W., Morrison, J., Muennighoff, N., Naik, A., Nam, C., Peters, M., Pyatkin, V., Ravichander, A., Schwenk, D., Shah, S., Smith, W., Subramani, N., Wortsman, M., Dasigi, P., Lambert, N., Richardson, K., Dodge, J., Lo, K., Soldaini, L., Smith, N., & Hajishirzi, H. (2024). OLMo: Accelerating the Science of Language Models. Preprint.

Model Card Contact

For errors in this model card, contact Nathan, Akshita or Shane, {nathanl, akshitab, shanea} at allenai dot org.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
OlmoForCausalLM
Ревизия весов
11fb318

0 моделей