/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Размер весов
52,1 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-2-13b-hf
Опубликована
17 сен 2023

ALMA-13B-Pretrain

Генерация текстаТекст → текст3 профессии

Предварительно дообученная на монолингвистических данных языковая модель LLaMA-2 на 13 млрд параметров, служащая основой для дальнейшей настройки ALMA.

8 745скачиваний за 30 дней10лайковвеса обновлены5 окт 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

haoranxu/ALMA-13B-Pretrain — базовая стадия модели ALMA, разработанной Haoran Xu и соавторами как часть проекта по улучшению машинного перевода с помощью больших языковых моделей. Это плотная авторегрессионная модель семейства LLaMA-2 с 12,9 млрд параметров, дообученная на 12 млрд токенов монолингвистических данных; она принимает и генерирует текст, имеет контекст 4096 токенов и опубликована в формате PyTorch.

Этот чекпойнт прошёл только первый этап обучения и сам по себе не является моделью перевода. В проекте его используют совместно с соответствующим LoRA-адаптером для дальнейшего обучения на параллельных данных; задачи перевода предназначены для получившейся модели ALMA, а не для этого чекпойнта отдельно. Модель доступна по лицензии MIT.

Сценарии применения

  • Продолжение текста на основе контекста
  • Эксперименты с промежуточным этапом обучения ALMA
  • Дальнейшая настройка языковой модели с помощью LoRA-адаптера

Ограничения

Чекпойнт не является готовой моделью перевода: он прошёл только первый, монолингвистический этап обучения и предназначен для совместного использования с соответствующим LoRA-адаптером. Контекст ограничен 4096 токенами.

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

ALMA (Advanced Language Model-based trAnslator) is an LLM-based translation model, which adopts a new translation model paradigm: it begins with fine-tuning on monolingual data and is further optimized using high-quality parallel data. This two-step fine-tuning process ensures strong translation performance. Please find more details in our paper.

@misc{xu2023paradigm,
      title={A Paradigm Shift in Machine Translation: Boosting Translation Performance of Large Language Models}, 
      author={Haoran Xu and Young Jin Kim and Amr Sharaf and Hany Hassan Awadalla},
      year={2023},
      eprint={2309.11674},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

ALMA-R (NEW!) is released now! ALMA-R builds upon ALMA models, with further LoRA fine-tuning with our proposed Contrastive Preference Optimization (CPO) as opposed to the Supervised Fine-tuning used in ALMA. CPO fine-tuning requires our triplet preference data for preference learning. ALMA-R now can matches or even exceeds GPT-4 or WMT winners!

@misc{xu2024contrastive,
      title={Contrastive Preference Optimization: Pushing the Boundaries of LLM Performance in Machine Translation}, 
      author={Haoran Xu and Amr Sharaf and Yunmo Chen and Weiting Tan and Lingfeng Shen and Benjamin Van Durme and Kenton Murray and Young Jin Kim},
      year={2024},
      eprint={2401.08417},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

We release six translation models presented in the paper:

  • ALMA-7B: Full-weight Fine-tune LLaMA-2-7B on 20B monolingual tokens and then Full-weight fine-tune on human-written parallel data
  • ALMA-7B-LoRA: Full-weight Fine-tune LLaMA-2-7B on 20B monolingual tokens and then LoRA fine-tune on human-written parallel data
  • ALMA-7B-R (NEW!): Further LoRA fine-tuning upon ALMA-7B-LoRA with contrastive preference optimization.
  • ALMA-13B: Full-weight Fine-tune LLaMA-2-7B on 12B monolingual tokens and then Full-weight fine-tune on human-written parallel data
  • ALMA-13B-LoRA (Our best system): Full-weight Fine-tune LLaMA-2-7B on 12B monolingual tokens and then LoRA fine-tune on human-written parallel data
  • ALMA-13B-R (NEW!): Further LoRA fine-tuning upon ALMA-13B-LoRA with contrastive preference optimization.

Model checkpoints are released at huggingface:

ModelsBase Model LinkLoRA Link
ALMA-7Bhaoranxu/ALMA-7B-
ALMA-7B-LoRAhaoranxu/ALMA-7B-Pretrainhaoranxu/ALMA-7B-Pretrain-LoRA
ALMA-7B-R (NEW!)haoranxu/ALMA-7B-R (LoRA merged)-
ALMA-13Bhaoranxu/ALMA-13B-
ALMA-13B-LoRAhaoranxu/ALMA-13B-Pretrainhaoranxu/ALMA-13B-Pretrain-LoRA
ALMA-13B-R (NEW!)haoranxu/ALMA-13B-R (LoRA merged)-

Note that ALMA-7B-Pretrain and ALMA-13B-Pretrain are NOT translation models. They only experience stage 1 monolingual fine-tuning (20B tokens for the 7B model and 12B tokens for the 13B model), and should be utilized in conjunction with their LoRA models.

Datasets used by ALMA and ALMA-R are also released at huggingface now (NEW!)

DatasetsTrain / ValidationTest
Human-Written Parallel Data (ALMA)train and validationWMT'22
Triplet Preference DatatrainWMT'22 and WMT'23

A quick start to use system ALMA-13B-LoRA for translation. An example of translating "我爱机器翻译。" into English:

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM
from transformers import LlamaTokenizer

# Load base model and LoRA weights
model = AutoModelForCausalLM.from_pretrained("haoranxu/ALMA-13B-Pretrain", torch_dtype=torch.float16, device_map="auto")
model = PeftModel.from_pretrained(model, "haoranxu/ALMA-13B-Pretrain-LoRA")
tokenizer = LlamaTokenizer.from_pretrained("haoranxu/ALMA-13B-Pretrain", padding_side='left')

# Add the source setence into the prompt template
prompt="Translate this from Chinese to English:\nChinese: 我爱机器翻译。\nEnglish:"
input_ids = tokenizer(prompt, return_tensors="pt", padding=True, max_length=40, truncation=True).input_ids.cuda()

# Translation
with torch.no_grad():
    generated_ids = model.generate(input_ids=input_ids, num_beams=5, max_new_tokens=20, do_sample=True, temperature=0.6, top_p=0.9)
outputs = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)
print(outputs)

Please find more details in our GitHub repository

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
a04ba79

0 моделей