/ Модель

Характеристики

Контекст
16 384 токена
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
MIT
Архитектура
llama · dense
Опубликована
11 окт 2023

LLaMA2-7B-PoSE-YaRN-16k

Генерация текстаТекст → текст9 профессий

Модель LLaMA 2 на 7 млрд параметров с контекстом 16 384 токена для генерации текста и работы с длинными входами.

26скачиваний за 30 дней5лайковвеса обновлены27 ноя 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.

  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

Это плотная авторегрессионная модель семейства LLaMA 2, разработанная Да-вэем Чжу и соавторами в рамках работы PoSE. Чекпойнт содержит 6,6 млрд параметров и рассчитан на генерацию текста с контекстом до 16 384 токенов; расширение контекста использует позиционную интерполяцию YaRN и обучение Positional Skip-wisE (PoSE), которое имитирует длинные входы при обучении на фиксированном контексте.

Модель предназначена для генерации продолжений и работы с длинными текстовыми запросами, например для анализа объемных документов или диалога с длинной историей. В README отмечена проблема с первоначально загруженным чекпойнтом: его заменили 27 ноября 2023 года, поскольку прежняя версия не соответствовала реализации из репозитория и показывала неоптимальное качество. В метаданных указана лицензия MIT; доступность лицензии не гарантирует пригодность ответов для конкретных применений.

Сценарии применения

  • генерация продолжения длинного текста
  • ответы на запросы с длинным контекстом
  • анализ объемных документов в текстовом диалоге
  • создание длинных текстовых черновиков

Ограничения

В README указано, что первоначально загруженная версия чекпойнта была несогласована с кодом модели и имела неоптимальное качество; авторы сообщили о повторной загрузке исправленного чекпойнта 27 ноября 2023 года. Поддерживаемые естественные языки явно не перечислены.

Для каких профессий подходит9

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

PoSE: Efficient Context Window Extension of LLMs via Positional Skip-wise Training

<a href=https://arxiv.org/pdf/2309.10400v2.pdf>**Paper** | Models | Code

Authors: Dawei Zhu, Nan Yang, Liang Wang, Yifan Song, Wenhao Wu, Furu Wei, Sujian Li

Note: We discovered that the LLaMA2-7B-PoSE-YaRN-16k model uploaded on 2023/10/11 is inconsistent with the pose_modeling_llama.py provided in the repository, resulting in suboptimal performance. Therefore, we have re-uploaded the checkpoint of LLaMA2-7B-PoSE-YaRN-16k on 2023/11/27.

Abstract

Large Language Models (LLMs) are trained with a pre-defined context length, restricting their use in scenarios requiring long inputs. Previous efforts for adapting LLMs to a longer length usually requires fine-tuning with this target length (Full-length fine-tuning), suffering intensive training cost. To decouple train length from target length for efficient context window extension, we propose Positional Skip-wisE (PoSE) training that smartly simulates long inputs using a fixed context window. This is achieved by first dividing the original context window into several chunks, then designing distinct skipping bias terms to manipulate the position indices of each chunk. These bias terms and the lengths of each chunk are altered for every training example, allowing the model to adapt to all positions within target length. Experimental results show that PoSE greatly reduces memory and time overhead compared with Full-length fine-tuning, with minimal impact on performance. Leveraging this advantage, we have successfully extended the LLaMA model to 128k tokens using a 2k training context window. Furthermore, we empirically confirm that PoSE is compatible with all RoPE-based LLMs and position interpolation strategies. Notably, our method can potentially support infinite length, limited only by memory usage in inference. With ongoing progress for efficient inference, we believe PoSE can further scale the context window beyond 128k.

Released models

Context Extended Versions of LLaMA (originally support 2k context)

ModelContextInterpolationLink
LLaMA-7B-PoSE-Linear-16k16,384Lineardownload link
LLaMA-7B-PoSE-NTK-16k16,384NTKdownload link
LLaMA-7B-PoSE-YaRN-16k16,384YaRNdownload link
LLaMA-7B-PoSE-Linear-96k98,304Lineardownload link
LLaMA-7B-PoSE-YaRN-96k98,304YaRNdownload link
LLaMA-7B-PoSE-YaRN-128k131,072YaRNdownload link

Context Extended Versions of LLaMA2 (originally support 4k context)

ModelContextInterpolationLink
LLaMA2-7B-PoSE-Linear-16k16,384Lineardownload link
LLaMA2-7B-PoSE-NTK-16k16,384NTKdownload link
LLaMA2-7B-PoSE-YaRN-16k16,384YaRNdownload link

Context Extended Versions of Baichuan2 (originally support 4k context)

ModelContextInterpolationLink
Baichuan2-7B-PoSE-Linear-16k16,384Lineardownload link
baichuan2-7B-PoSE-NTK-16k16,384NTKdownload link
baichuan2-7B-PoSE-YaRN-16k16,384YaRNdownload link

Notice

  • For YaRN interpolation, we use the revised version of YaRN in our experiments (see pose_modeling_llama.py), as supported by the issue inv_freq seems not calculated right.
  • In the configuration's max_position_embeddings parameter, we explicitly assign it to the scaled length. This differs slightly from the usage in the Hugging Face LLaMA document (huggingface.co). We've made this adjustment due to our positional skip-wise training, which utilizes position indices exceeding the input length. However, it's important to note that this modification does not negatively impact model performance.

Citation

If you find this project useful in your research, please consider citing:

@misc{zhu2023pose,
      title={PoSE: Efficient Context Window Extension of LLMs via Positional Skip-wise Training}, 
      author={Dawei Zhu and Nan Yang and Liang Wang and Yifan Song and Wenhao Wu and Furu Wei and Sujian Li},
      year={2023},
      eprint={2309.10400},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Acknowledgement

  • This work is built upon the LLaMA, GPT-J, Baichuan as the pre-trained models.

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
87e48fb

0 моделей