/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
941 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
3 окт 2023

boomer-1b

Генерация текстаТекст → текст3 профессии

Boomer-1B — экспериментальная англоязычная языковая модель семейства Llama для генерации текста и исследований языкового моделирования.

399скачиваний за 30 дней5лайковвеса обновлены4 апр 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

Boomer-1B — плотная авторегрессионная языковая модель семейства Llama от budecosystem, обученная с нуля как ранний эксперимент. В README указано 1,1 млрд параметров и обучение на 41 млрд токенов из подборки материалов Википедии, рассказов, arXiv, математики и кода; метаданные указывают 940,6 млн параметров. Архитектура включает 4 слоя, 32 головы внимания и размерность модели 4096; использованы Flash Attention и увеличенная промежуточная размерность MLP. Модель работает с текстом, использует токенизатор SentencePiece и имеет контекст 4096 токенов.

Модель предназначена для генерации текста, языкового моделирования, экспериментов с дополненной поиском генерацией и запуска на периферийных устройствах. В README приведены результаты на ARC, MMLU, HumanEval, HellaSwag, BBH, DROP и GSM8K, что показывает охват задач на знания, рассуждения, код и математику, но результаты в целом ограничены ранним экспериментальным характером модели. README описывает её как предварительно обученную модель и предлагает отдельное дообучение.

Модель опубликована под лицензией Apache-2.0. Поддержка языков в метаданных обозначена как английская; другие языки явно не заявлены.

Сценарии применения

  • генерация продолжений текста на английском языке
  • эксперименты с языковым моделированием
  • прототипирование генерации с дополнением через поиск
  • запуск компактной языковой модели на периферийных устройствах
  • эксперименты с генерацией кода и математическими задачами

Ограничения

Это ранний эксперимент, а опубликованные результаты на ряде тестов невысоки; качество ответов может быть ограниченным. README заявляет поддержку английского языка, другие языки не подтверждены.

Для каких профессий подходит3

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

Introduction 🎉

We are open-sourcing one of our early experiments of pretraining with custom architecture and datasets. This 1.1B parameter model is pre-trained from scratch using a custom-curated dataset of 41B tokens. The model's architecture experiments contain the addition of flash attention and a higher intermediate dimension of the MLP layer. The dataset is a combination of wiki, stories, arxiv, math and code. The model is available on huggingface Boomer1B

Getting Started on GitHub 💻

Ready to dive in? Here's how you can get started with our models on GitHub.

Install the necessary dependencies with the following command:

pip install -r requirements.txt

Generate responses

Now that your model is fine-tuned, you're ready to generate responses. You can do this using our generate.py script, which runs inference from the Hugging Face model hub and inference on a specified input. Here's an example of usage:

python generate.py --base_model 'budecosystem/boomer-1b' --prompt="the president of India is"

Fine-tuning 🎯

It's time to upgrade the model by fine-tuning the model. You can do this using our provided finetune.py script. Here's an example command:

torchrun --nproc_per_node 4 train.py \
   --base_model budecosystem/boomer-1b \
   --data_path dataset.json \
   --output_dir output \
   --per_device_train_batch_size 2 \
   --gradient_accumulation_steps 2 \
   --num_train_epochs 1 \
   --learning_rate 2e-5 \
   --fp16 True \
   --logging_steps 10 \
   --deepspeed ds_config.json

Model details

ParametersValue
n_layers4
n_heads32
d_model4096
vocab size32000
sequence length4096
Intermediate size11008

Tokenizer

We used the SentencePiece tokenizer during the fine-tuning process. This tokenizer is known for its capability to handle open-vocabulary language tasks efficiently.

Training details

The model is trained of 4 A100 80GB for approximately 250hrs.

HyperparametersValue
per_device_train_batch_size2
gradient_accumulation_steps2
learning_rate2e-4
optimizeradamw
beta0.9, 0.95
fp16True
GPU4 A100 80GB

Evaluations

We have evaluated the pre-trained model on few of the benchmarks

Model NameARCMMLUHuman EvalHellaswagBBHDROPGSM8K
Boomer1B22.3525.926.131.6628.656.131.5

Why use BOOMER?

  • Retrieval augmentation
  • Inference at the edge
  • Language modeling use cases

Final thought on Boomer!

This isn't the end. It's just the beginning of a journey towards creating more advanced, more efficient, and more accessible language models. We invite you to join us on this exciting journey.

Aknowledgements

We'd like to thank the open-source community and the researchers whose foundational work laid the path for BOOMER. Special shoutout to our dedicated team who have worked relentlessly to curate the dataset and fine-tune the model to perfection.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
f3438d8

0 моделей