Характеристики

Контекст: 2 048 токенов
Параметры: 1,7 млрд
Лицензия: Apache 2.0
Архитектура: gpt_neox · dense
Опубликована: 4 апр 2023

Ссылки

Hugging Face

pythia-1.4b-gpt4all-pretrain

andreaskoepf

Генерация текстаТекст → текст3 профессии

Дообученная модель GPT-NeoX с 1,7 млрд параметров для генерации и продолжения текста.

151скачиваний за 30 дней7лайковвеса обновлены4 апр 2023

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Модель andreaskoepf/pythia-1.4b-gpt4all-pretrain — дообученная версия EleutherAI/pythia-1.4b-deduped, разработанная Андреасом Кёпфом. Это плотная авторегрессионная языковая модель семейства GPT-NeoX с примерно 1,7 млрд параметров, обученная на двух эпохах; карточка указывает контрольную точку на 11 000-м шаге. Она предназначена для генерации текста и продолжения текстовых последовательностей. Максимальная длина контекста — 2048 токенов; веса доступны в формате PyTorch и точности FP16.

Модель принимает текст и выдаёт текст. README не уточняет языковой состав данных, поэтому нельзя надёжно определить поддерживаемые или приоритетные естественные языки. Модель распространяется по лицензии Apache-2.0. Карточка не содержит оценок качества или подробных сведений о применении, поэтому пригодность для конкретных сценариев следует проверять отдельно.

Сценарии применения

генерация продолжения текстового фрагмента
создание черновиков текста по началу запроса
автодополнение последовательностей на естественном языке

Ограничения

Контекст ограничен 2048 токенами. Карточка не приводит оценок качества и не уточняет языковой состав обучающих данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.1Разработка и данныеАнализ требований и архитектура ПОAI помогает переводить потребности бизнеса в непротиворечивые требования и технические решения.20 задач18 191модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wandb: https://wandb.ai/open-assistant/supervised-finetuning/runs/t2adm3wu

checkpoint: 11000 step (2 epochs)

datasets:

pretrain:
  weight_decay: 0.01
  use_custom_sampler: true
  sort_by_length: false
  datasets:
    - joke
    - webgpt:
        val_split: 0.1
    - gpt4all:
        val_split: 0.01
    - alpaca:
        val_split: 0.025
    - code_alpaca:
        val_split: 0.05
    - minimath
    - humaneval_mbpp_codegen_qa
    - humaneval_mbpp_testgen_qa
    - grade_school_math_instructions
    - recipes
    - cmu_wiki_qa
    - oa_wiki_qa_bart_10000row
    - prosocial_dialogue:
        fraction: 0.1
    - explain_prosocial:
        fraction: 0.05

pythia:

pythia-1.4b-pretrain:
  dtype: fp16
  learning_rate: 6e-6
  model_name: EleutherAI/pythia-1.4b-deduped
  deepspeed_config: configs/zero_config_pretrain.json
  weight_decay: 0.0
  max_length: 2048
  use_flash_attention: true
  warmup_steps: 50
  gradient_checkpointing: false
  gradient_accumulation_steps: 1
  per_device_train_batch_size: 16
  per_device_eval_batch_size: 16
  num_train_epochs: 2 
  save_total_limit: 2

command: deepspeed trainer_sft.py --configs defaults pretrain pythia-1.4b-pretrain --cache_dir .cache/ --output_dir .saved_models/pythia-1.4b-pre --residual_dropout 0.0 --deepspeed

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: GPTNeoXForCausalLM
Ревизия весов: 20cb060