/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,3 млрд
Размер весов
5,4 ГБ
Лицензия
MIT
Архитектура
llama · dense
Опубликована
9 янв 2024

CroissantLLMBase

Генерация текстаТекст → текст4 профессии

Базовая двуязычная модель CroissantLLM на 1,3 млрд параметров для генерации английского и французского текста.

1 091скачиваний за 30 дней37лайковвеса обновлены30 авг 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

CroissantLLM Base — базовая языковая модель инициативы CroissantLLM, разработанная для исследовательского и промышленного сообщества. Это плотная модель семейства Llama с 1,3 млрд параметров, обученная на 3 трлн токенов на английском и французском языках; для предобучения использовалось соотношение данных 1:1 и собственный токенизатор. Контекст модели — 2048 токенов.

Модель предназначена для генерации текста и работы с few-shot prompting. Она не настроена для диалога; авторы рекомендуют Chat-версию для интерактивного общения. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Среди сильных сторон — двуязычное обучение и возможность запуска на потребительском оборудовании; размер 1,3 млрд параметров ограничивает её возможности по сравнению с более крупными языковыми моделями.

Сценарии применения

  • генерация текста на английском и французском
  • few-shot выполнение текстовых задач
  • продолжение англоязычного или франкоязычного текста
  • эксперименты с двуязычными языковыми моделями
  • генерация кода

Ограничения

Модель не дообучена для диалога и лучше работает с few-shot prompting; авторы рекомендуют Chat-версию для общения. 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

CroissantLLM - Base (190k steps, Final version)

This model is part of the CroissantLLM initiative, and corresponds to the checkpoint after 190k steps (2.99 T) tokens.

To play with the final model, we recommend using the Chat version: https://huggingface.co/croissantllm/CroissantLLMChat-v0.1.

https://arxiv.org/abs/2402.00786

Abstract

We introduce CroissantLLM, a 1.3B language model pretrained on a set of 3T English and French tokens, to bring to the research and industrial community a high-performance, fully open-sourced bilingual model that runs swiftly on consumer-grade local hardware. To that end, we pioneer the approach of training an intrinsically bilingual model with a 1:1 English-to-French pretraining data ratio, a custom tokenizer, and bilingual finetuning datasets. We release the training dataset, notably containing a French split with manually curated, high-quality, and varied data sources. To assess performance outside of English, we craft a novel benchmark, FrenchBench, consisting of an array of classification and generation tasks, covering various orthogonal aspects of model performance in the French Language. Additionally, rooted in transparency and to foster further Large Language Model research, we release codebases, and dozens of checkpoints across various model sizes, training data distributions, and training steps, as well as fine-tuned Chat models, and strong translation models. We evaluate our model through the FMTI framework, and validate 81% of the transparency criteria, far beyond the scores of even most open initiatives. This work enriches the NLP landscape, breaking away from previous English-centric work in order to strengthen our understanding of multilinguality in language models.

Citation

Our work can be cited as:

@misc{faysse2024croissantllm,
      title={CroissantLLM: A Truly Bilingual French-English Language Model}, 
      author={Manuel Faysse and Patrick Fernandes and Nuno M. Guerreiro and António Loison and Duarte M. Alves and Caio Corro and Nicolas Boizard and João Alves and Ricardo Rei and Pedro H. Martins and Antoni Bigata Casademunt and François Yvon and André F. T. Martins and Gautier Viaud and Céline Hudelot and Pierre Colombo},
      year={2024},
      eprint={2402.00786},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Usage

This model is a base model, that is, it is not finetuned for Chat function and works best with few-shot prompting strategies.


import torch
from transformers import AutoModelForCausalLM, AutoTokenizer


model_name = "croissantllm/CroissantLLMBase"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.float16, device_map="auto")

inputs = tokenizer("I am so tired I could sleep right now. -> Je suis si fatigué que je pourrais m'endormir maintenant.\nHe is heading to the market. -> Il va au marché.\nWe are running on the beach. ->", return_tensors="pt").to(model.device)
tokens = model.generate(**inputs, max_length=100, do_sample=True, top_p=0.95, top_k=60, temperature=0.3)
print(tokenizer.decode(tokens[0]))

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
47baabd

0 моделей