/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
472 млн
Размер весов
13,8 ГБ
Лицензия
Apache 2.0
Архитектура
olmoe · MoE
Библиотека
transformers
Опубликована
20 июл 2024

OLMoE-1B-7B-0924

Генерация текстаТекст → текст4 профессии

Англоязычная разреженная MoE-модель AllenAI для генерации текста с примерно 1 млрд активных и 7 млрд общих параметров.

101 тыс.скачиваний за 30 дней155лайковвеса обновлены19 окт 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.

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3393

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2475

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3488

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0166

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2185

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,174

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OLMoE-1B-7B-0924 — языковая модель с архитектурой Mixture-of-Experts, разработанная Allen Institute for AI (AI2) и выпущенная в сентябре 2024 года. В ней 7 млрд общих параметров, из которых около 1 млрд активируется при обработке каждого токена; метаданные каталога указывают 472,1 млн параметров. Модель предназначена для генерации текста и языкового моделирования, а также для задач, решаемых через продолжение текстового запроса.

По данным карточки, модель показывает сильные результаты среди моделей с сопоставимой стоимостью вывода и конкурентоспособна с более крупными моделями. Поддерживаемый контекст — 4096 токенов; карточка и метаданные указывают английский язык. В репозитории представлены веса safetensors для Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения по текстовой подсказке
  • составление черновиков и кратких текстов на английском
  • ответы на общие вопросы в текстовом формате
  • решение языковых тестов и задач на понимание текста
  • эксперименты с разреженными языковыми моделями

Ограничения

Контекст ограничен 4096 токенами. В README приведены результаты на бенчмарках, но они не гарантируют качество на конкретных прикладных задачах.

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 Summary

OLMoE-1B-7B is a Mixture-of-Experts LLM with 1B active and 7B total parameters released in September 2024 (0924). It yields state-of-the-art performance among models with a similar cost (1B) and is competitive with much larger models like Llama2-13B. OLMoE is 100% open-source.

This information and more can also be found on the OLMoE GitHub repository.

Use

Install transformers from source until a release after this PR & torch and run:

from transformers import OlmoeForCausalLM, AutoTokenizer
import torch

DEVICE = "cuda" if torch.cuda.is_available() else "cpu"

# Load different ckpts via passing e.g. `revision=step10000-tokens41B`
model = OlmoeForCausalLM.from_pretrained("allenai/OLMoE-1B-7B-0924").to(DEVICE)
tokenizer = AutoTokenizer.from_pretrained("allenai/OLMoE-1B-7B-0924")
inputs = tokenizer("Bitcoin is", return_tensors="pt")
inputs = {k: v.to(DEVICE) for k, v in inputs.items()}
out = model.generate(**inputs, max_length=64)
print(tokenizer.decode(out[0]))
# > # Bitcoin is a digital currency that is created and held electronically. No one controls it. Bitcoins aren’t printed, like dollars or euros – they’re produced by people and businesses running computers all around the world, using software that solves mathematical

You can list all revisions/branches by installing huggingface-hub & running:

from huggingface_hub import list_repo_refs
out = list_repo_refs("allenai/OLMoE-1B-7B-0924")
branches = [b.name for b in out.branches]

Important branches:

  • step1200000-tokens5033B: Pretraining checkpoint used for annealing. There are a few more checkpoints after this one but we did not use them.
  • main: Checkpoint annealed from step1200000-tokens5033B for an additional 100B tokens (23,842 steps). We use this checkpoint for our adaptation (https://huggingface.co/allenai/OLMoE-1B-7B-0924-SFT & https://huggingface.co/allenai/OLMoE-1B-7B-0924-Instruct).
  • fp32: FP32 version of main. The model weights were stored in FP32 during training but we did not observe any performance drop from casting them to BF16 after training so we upload all weights in BF16. If you want the original FP32 checkpoint for main you can use this one. You will find that it yields slightly different results but should perform around the same on benchmarks.

Evaluation Snapshot

ModelActive ParamsOpen DataMMLUHellaSwagARC-Chall.ARC-EasyPIQAWinoGrande
LMs with ~1B active parameters
OLMoE-1B-7B1.3B✅54.180.062.184.279.870.2
DCLM-1B1.4B✅48.575.157.679.576.668.1
TinyLlama-1B1.1B✅33.660.838.169.571.760.1
OLMo-1B (0724)1.3B✅32.167.536.453.574.062.9
Pythia-1B1.1B✅31.148.031.463.468.952.7
LMs with ~2-3B active parameters
Qwen1.5-3B-14B2.7B❌62.480.077.491.681.072.3
Gemma2-3B2.6B❌53.374.667.584.378.571.8
JetMoE-2B-9B2.2B❌49.181.761.481.980.370.7
DeepSeek-3B-16B2.9B❌45.580.453.482.780.173.2
StableLM-2B1.6B❌40.470.350.675.375.665.8
OpenMoE-3B-9B2.9B✅27.444.429.350.663.351.9
LMs with ~7-9B active parameters
Gemma2-9B9.2B❌70.687.389.595.586.178.8
Llama3.1-8B8.0B❌66.981.679.591.781.176.6
DCLM-7B6.9B✅64.482.379.892.380.177.3
Mistral-7B7.3B❌64.083.078.690.882.877.9
OLMo-7B (0724)6.9B✅54.980.568.085.779.373.2
Llama2-7B6.7B❌46.278.954.284.077.571.7

Citation

@misc{muennighoff2024olmoeopenmixtureofexpertslanguage,
      title={OLMoE: Open Mixture-of-Experts Language Models}, 
      author={Niklas Muennighoff and Luca Soldaini and Dirk Groeneveld and Kyle Lo and Jacob Morrison and Sewon Min and Weijia Shi and Pete Walsh and Oyvind Tafjord and Nathan Lambert and Yuling Gu and Shane Arora and Akshita Bhagia and Dustin Schwenk and David Wadden and Alexander Wettig and Binyuan Hui and Tim Dettmers and Douwe Kiela and Ali Farhadi and Noah A. Smith and Pang Wei Koh and Amanpreet Singh and Hannaneh Hajishirzi},
      year={2024},
      eprint={2409.02060},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2409.02060}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OlmoeForCausalLM
Ревизия весов
6d84c48

0 моделей