/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
29,8 ГБ
Лицензия
CC BY 4.0
Архитектура
lola_v1 · MoE
Библиотека
transformers
Опубликована
2 апр 2024

lola_v1

Генерация текстаТекст → текст5 профессий

LOLA v1 — многоязычная разреженная MoE-модель в стиле GPT-2 для генерации текста и последующей тонкой настройки.

187скачиваний за 30 дней13лайковвеса обновлены1 июн 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

LOLA v1 — многоязычная языковая модель группы DICE Research при Университете Падерборна. Это предварительно обученная авторегрессионная модель в стиле GPT-2 с декодерным Transformer и разреженными слоями Mixture-of-Experts: 16 экспертов, около 7,4 млрд параметров всего и 1,3 млрд активных на токен. Модель обучалась на корпусе CulturaX, содержащем тексты более чем на 160 языках.

Модель предназначена для генерации текста и служит базой для дальнейшей тонкой настройки под прикладные задачи. Карточка сообщает о конкурентных результатах на задачах генерации и понимания языка, а также описывает маршрутизацию между экспертами, учитывающую языковые закономерности. Контекст модели составляет 2048 токенов; для работы указана библиотека Transformers.

Модель распространяется по лицензии CC BY 4.0. Это базовая предварительно обученная модель, поэтому для конкретных прикладных сценариев может потребоваться дообучение; заявленная поддержка множества языков сама по себе не гарантирует одинакового качества для каждого из них.

Сценарии применения

  • генерация продолжения текста на разных языках
  • создание основы для дообучения под прикладные задачи
  • эксперименты с многоязычными языковыми моделями
  • исследование разреженной архитектуры Mixture-of-Experts

Ограничения

Модель предварительно обучена для генерации текста и, согласно карточке, требует дальнейшей тонкой настройки для прикладных задач. Контекст ограничен 2048 токенами; качество может различаться между поддерживаемыми языками.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LOLA — An Open-Source Massively Multilingual Large Language Model

Abstract

LOLA is a massively multilingual large language model trained on more than 160 languages using a sparse Mixture-of-Experts Transformer architecture. Our architectural and implementation choices address the challenge of harnessing linguistic diversity while maintaining efficiency and avoiding the common pitfalls of multilinguality. Our analysis of the evaluation results shows competitive performance in natural language generation and understanding tasks. Additionally, we demonstrate how the learned expert-routing mechanism exploits implicit phylogenetic linguistic patterns to potentially alleviate the curse of multilinguality. We provide an in-depth look at the training process, an analysis of the datasets, and a balanced exploration of the model's strengths and limitations. As an open-source model, LOLA promotes reproducibility and serves as a robust foundation for future research. Our findings enable the development of compute-efficient multilingual models with strong, scalable performance across languages.

Paper: https://aclanthology.org/2025.coling-main.428 Preprint: https://arxiv.org/abs/2409.11272

Model Description

* The number of parameters a model utilizes per token (ref: Fedus et al, 2022 ; Du et al, 2022 ). This distinction is crucial for understanding the efficiency and performance of MoE models.

How to Get Started with the Model

This pre-trained (causal language modeling) model can only be used for text-generation and requires further fine-tuning on downstream tasks.

How to use

You can use this model directly with a pipeline for text generation.

>>> from transformers import pipeline

>>> generator = pipeline('text-generation', model="dice-research/lola_v1", trust_remote_code=True)
>>> generator("The quick brown fox", max_length=13)
[{'generated_text': 'The quick brown fox jumps over the lazy dog.'}]

To use the top-k sampling, please set do_sample to True.

Note: The tokenizer used in the model comes from mGPT (https://github.com/ai-forever/mgpt)

Training Details

Training Framework

Pretraining Dataset

LOLA v1 Training:

Citation

If you use our work in your research, please make sure to cite it:

@inproceedings{srivastava-etal-2025-lola,
  author    = {Nikit Srivastava and Denis Kuchelev and Tatiana Moteu Ngoli and Kshitij Shetty and Michael Röder and Hamada Zahera and Diego Moussallem and Axel-Cyrille Ngonga Ngomo},
  title     = {{LOLA} -- An Open-Source Massively Multilingual Large Language Model},
  booktitle = {Proceedings of the 31st International Conference on Computational Linguistics},
  editor    = {Owen Rambow and Leo Wanner and Marianna Apidianaki and Hend Al-Khalifa and Barbara Di Eugenio and Steven Schockaert},
  month     = jan,
  year      = {2025},
  address   = {Abu Dhabi, UAE},
  publisher = {Association for Computational Linguistics},
  pages     = {6420--6446},
  url       = {https://aclanthology.org/2025.coling-main.428/},
  note      = {arXiv:2409.11272 [cs.CL]},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
LOLALMHeadModel
Ревизия весов
a4ae8ad

0 моделей