/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
moduleformer · dense
Опубликована
9 сен 2023

MoLM-350M-4B

Генерация текстаТекст → текст4 профессии

Предварительно обученная языковая модель IBM на архитектуре ModuleFormer для генерации текста с активацией 350 млн из 4 млрд параметров на токен.

96скачиваний за 30 дней10лайковвеса обновлены14 сен 2023

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

MoLM-350M-4B — предварительно обученная языковая модель IBM для генерации текста. Она использует авторегрессионную архитектуру ModuleFormer с механизмом смеси экспертов: всего в модели 4 млрд параметров, но для каждого входного токена активируется 350 млн параметров, что, по описанию разработчика, сопоставимо по вычислительной нагрузке с плотной моделью на 350 млн параметров. Модель имеет 24 блока и принимает и выдаёт только текст.

Модель обучена на 300 млрд токенов из общедоступных источников. Она предназначена для генерации продолжений текста и экспериментов с архитектурами MoE; карточка также приводит результаты академических языковых бенчмарков. Для загрузки требуется пакет ModuleFormer. Модель опубликована в формате Transformers, веса доступны в PyTorch и safetensors.

IBM указывает лицензию Apache 2.0. Проверки проводились на английском языке; ответы могут быть неточными, предвзятыми или нежелательными. Перед использованием в приложении разработчик рекомендует проводить тестирование безопасности и настройку под конкретный сценарий.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков на английском языке
  • эксперименты с архитектурой смеси экспертов
  • оценка языковой модели на академических бенчмарках

Ограничения

Тестирование проводилось на английском языке и не охватывает все сценарии. Модель может выдавать неточную, предвзятую или нежелательную информацию; перед внедрением нужны проверки безопасности и настройка под задачу.

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

MoLM

MoLM is a collection of MoE-based language models ranging in scale from 4 billion to 8 billion parameters. This is the repository for the MoLM-350M-4B pretrained model, converted for the Hugging Face Transformers format. Links to other models can be found in the index at the bottom.

Model Usage To load the model, you need install the ModuleFormer package. Then you can load the model with the following code:

from transformers import AutoTokenizer, AutoModelForCausalLM, AutoConfig, AutoModelForSequenceClassification
from moduleformer import ModuleFormerForCausalLM, ModuleFormerConfig, ModuleFormerForSequenceClassification
AutoConfig.register("moduleformer", ModuleFormerConfig)
AutoModelForCausalLM.register(ModuleFormerConfig, ModuleFormerForCausalLM)
AutoModelForSequenceClassification.register(ModuleFormerConfig, ModuleFormerForSequenceClassification)

tokenizer = AutoTokenizer.from_pretrained('ibm/MoLM-350M-4B')
model = AutoModelForCausalLM.from_pretrained('ibm/MoLM-350M-4B')

Model Details MoLM-350M-4B is a MoE-based language model. It has 4 billion parameters, but each input token only activates 350M parameters. Thus, it's computationally equivalent to a 350M dense model. MoLM-700M-4B has 4 billion parameters and is computationally equivalent to a 700M dense model. MoLM-700M-8B has 8 billion parameters and is computationally equivalent to a 700M dense model. All models are trained on 300 billion tokens from publicly available sources. All models are trained on 300 billion tokens from publicly available sources, with a learning rate of 3.0 x 10-4 and a global batch-size of 3M tokens.

Model Developers IBM

Variations MoLM comes in two different parameter sizes — 4B and 8B. The 4B models has two variants with different computation cost — 350M and 700M.

Input Models input text only.

Output Models generate text only.

Model Architecture MoLM is an auto-regressive language model that uses the ModuleFormer architecture. It has 16 attention modules in each attention layer and 32 MLP modules in each MLP layer. During inference, in each layer, MoLM-350M-4B and MoLM-700M-8B activate 2 modules for each token, while MoLM-700M-4B activate 4 modules. MoLM-350M-4B and MoLM-700M-4B has 24 blocks and MoLM-700M-8B has 48 blocks.

Status This is a static model trained on an offline dataset. Future versions of the tuned models will be released as we improve model safety with community feedback.

Research Paper "ModuleFormer: Modularity Emerges from Mixture-of-Experts"

Training Data

MoLM models are pretrained on 300 billion tokens of data from publicly available sources.

Evaluation Results

In this section, we report the results for the MoLM models on standard academic benchmarks. For all the evaluations, we use LM evaluations Harness.

ModelLatencyMemoryThroughputHellaswagPIQAARC-eARC-cOBQA
msGBtokens/secaccaccaccaccacc
Pythia 410M554255959433.7266.7051.8921.4218.2
GPT-Neo 1.3B991233285738.6671.1156.1923.1221.4
Pythia 1.4B918423555940.4170.8460.5226.1122.2
MoLM-350M-4B497277101739.2170.1356.4423.5520.8
GPT-Neo 2.7B1737351878842.7172.261.0727.4723.2
Pythia 2.8B2111701552245.3473.9964.3529.3523.8
MoLM-700M-4B863273993142.2073.0160.8225.9422.6
MoLM-700M-8B939383741943.3372.9162.4627.9023.8
ModelTriviaQAHumanEvalWikitext
0-shot1-shot5-shotpass@1pass@10pass@100PPL
Pythia 410M2.325.026.421.203.859.9820.09
GPT-Neo 1.3B5.248.019.743.626.8714.5016.16
Pythia 1.4B5.309.8712.842.197.3114.3314.71
MoLM-350M-4B5.4011.1213.703.046.9913.7915.15
GPT-Neo 2.7B4.8211.2313.674.899.5417.9013.93
Pythia 2.8B7.3815.5818.984.9111.7621.5412.68
MoLM-700M-4B9.0714.2416.495.5010.6520.2713.20
MoLM-700M-8B11.4716.7320.755.5112.5820.4012.97

Ethical Considerations and Limitations

MoLM is a new technology that carries risks with use. Testing conducted to date has been in English, and has not covered, nor could it cover all scenarios. For these reasons, as with all LLMs, MoLM’s potential outputs cannot be predicted in advance, and the model may in some instances produce inaccurate, biased or other objectionable responses to user prompts. Therefore, before deploying any applications of MoLM, developers should perform safety testing and tuning tailored to their specific applications of the model.

Citation

Please cite the following paper if you use the data or code in this repo.

@article{shen2023moduleformer,
  title={ModuleFormer: Learning Modular Large Language Models From Uncurated Data},
  author={Shen, Yikang and Zhang, Zheyu and Cao, Tianyou and Tan, Shawn and Chen, Zhenfang and Gan, Chuang},
  journal={arXiv preprint arXiv:2306.04640},
  year={2023}
}

MoLM Model Index

ModelMoLM
350M-4BLink
700M-4BLink
700M-8BLink

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура moduleformer неизвестна transformers в образе рантайма.

Класс архитектуры
ModuleFormerForCausalLM
Ревизия весов
b1dc905

0 моделей