/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B
Опубликована
22 апр 2024

Llama-3-8B-Special-Tokens-Adjusted

Генерация текстаТекст → текст4 профессии

Исправленная версия Meta-Llama-3-8B с заменой необученных токеновых эмбеддингов на средние значения, предназначенная для стабильной последующей тонкой настройки.

29скачиваний за 30 дней11лайковвеса обновлены2 мая 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

Llama-3-8B-Special-Tokens-Adjusted — модель Astronomer, созданная Дэвидом Сюэ на основе Meta Llama 3. Это версия базовой Meta-Llama-3-8B с исправленными входными и выходными эмбеддингами для токенов, которые не были обучены при предварительном обучении: их нулевые веса заменены средними значениями обученных токенов. Модель предназначена прежде всего для дальнейшей тонкой настройки; исправление призвано снизить риск нестабильности обучения, включая взрыв градиентов и NaN-значения.

Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она принимает текст и генерирует текст; базовая модель ориентирована на английский текст и код. Модель распространяется под лицензией Llama 3 Community License. README описывает коррекцию эмбеддингов, но не приводит отдельной оценки качества после исправления.

Сценарии применения

  • тонкая настройка базовой Llama 3 с добавлением новых токенов
  • дообучение модели с использованием специальных токенов
  • генерация текста на основе базовой языковой модели
  • генерация и дополнение кода после адаптации модели

Ограничения

Модель является базовой, а не инструктивной версией Llama 3; для прикладного поведения может потребоваться тонкая настройка. Собственной оценки качества в карточке нет.

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

Llama-3-8B-Special-Tokens-Adjusted

Description

This is the exact same model (meta-llama/Meta-Llama-3-8B) with the weights for the input and output embeddings from lm head and embedding matrix adjusted using the mean of the trained tokens for certain tokens that were untrained, which caused widespread issues for people attempting to fine-tune this base model with either adding their own tokens or using existing special tokens.

Why We Made This Model

The Llama 3 base (non-instruct) model, while powerful, came with a significant oversight that some special tokens for instruction following within its architecture were left untrained, potentially derailing further fine-tuning processes. This was first noted by Daniel Han on X, highlighting a critical but fixable flaw in a widely used model.

The primary goal of releasing a patched version of this model was to address this issue so that the community can utilize the Llama 3 model without facing training instabilities, such as sudden gradient explosions or NaN gradients, or having to go through complicated processes to fix the model themselves before fine-tuning.

Details of the Adjustment

The meta-llama/Meta-Llama-3-8B model was pulled directly from HuggingFace and loaded using transformers. Then, the input embedding and output embedding values are retrieved using model.get_input_embeddings().weight.data and model.get_output_embeddings().weight.data. These 2 matrics are identical in shape, with each row representing a token id, and each column representing an embedding feature.

The special (untrained & problematic) tokens can be found by locating the rows where the entire row of the embedding values are all zeros, which imply they were not trained during the pretraining phase of the model from Meta. Such untrained tokens could lead to heavy computational issues, like gradient explosions or NaN gradients, during downstream fine-tuning on specific tasks.

Once these untrained tokens are identified, the average of trained tokens can be calculated by using the sums of embedding values of trained tokens for each feature/column and divided by the number of trained. This is done for both input and output matrices.

Lastly, the problematic token's rows in the 2 embedding matrics are set to the computed mean, thus completing the adjustment.

Contributors

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
93d9556

0 моделей