/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Базовая модель
pythia-160m
Библиотека
transformers
Опубликована
23 апр 2025

parc-pythia-seed0

Генерация текстаТекст → текст3 профессии

Англоязычный GPT-NeoX-чекпойнт для генерации текста и изучения динамики обучения языковых моделей.

788скачиваний за 30 дней0лайковвеса обновлены27 сен 2025

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

Parc-Pythia (Seed 0) — англоязычная авторегрессионная языковая модель, разработанная James Michaelov для анализа динамики обучения языковых моделей. Это плотный трансформер GPT-NeoX из семейства Pythia с 151,9 млн параметров и контекстом 2048 токенов; модель дообучена на базе EleutherAI/pythia-160m и обучалась на 2 млрд токенов OpenWebText. Её можно использовать для генерации продолжения текста и сравнительных исследований обучения разных архитектур и случайных запусков.

Модель предназначена прежде всего для исследований, а не для развёртывания в пользовательских продуктах. Она обучена на недостаточно документированном корпусе OpenWebText и не прошла инструкционную настройку, поэтому может выдавать вредный или оскорбительный текст, а её ответы могут быть неточными или недостоверными. Лицензия — Apache 2.0.

Сценарии применения

  • генерация продолжения английского текста
  • анализ динамики обучения авторегрессионных моделей
  • сравнение результатов разных случайных запусков обучения
  • исследование поведения архитектуры Pythia на корпусе OpenWebText

Ограничения

Модель не прошла инструкционную настройку и не предназначена для развёртывания; она может генерировать вредный или оскорбительный текст и выдавать неточные ответы. Данные OpenWebText документированы недостаточно.

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

Parc-Pythia (Seed 0)

The Parc (Parallel Architecture) models are a set of autoregressive language models (of the Pythia, Mamba, and RWKV architectures) of roughly the same size trained in parallel on the same data (2B tokens of OpenWebText) for the same number of steps, with 6 runs of training each (based on a different random seed). The Parc models were designed to allow for more direct and fine-grained analysis of training dynamics across and within architectures.

Model Details

Model Description

  • Developed by: James Michaelov
  • Model type: Pythia (autoregressive transformer)
  • Language(s) (NLP): English
  • License: Apache 2.0

Model Sources

Base Model

Model Use

The Parc models are intended for research use and generally not suitable for deployment. They are pretrained on a subset of OpenWebText, which is not well-documented, and thus it possible that they are trained on (and may generate) harmful, offensive, or otherwise inappropriate text, especially as they are not fine-tuned in any way. For the same reason, there is no guarantee that they will generate accurate or truthful text. Rather than fine-tuning our models, we instead recommend fine-tuning the original Pythia, Mamba, RWKV models, as they are trained on many times more data, and thus are likely to have substantially better performance.

How to Get Started with the Model

Example code for generation:

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
  "jmichaelov/parc-pythia-seed0",
  revision="checkpoint-4000"
)

tokenizer = AutoTokenizer.from_pretrained(
  "jmichaelov/parc-pythia-seed0",
  revision="checkpoint-4000"
)

inputs = tokenizer("The Parc language models", return_tensors="pt")
tokens = model.generate(**inputs)
tokenizer.decode(tokens[0])

Training Details

Training Data

  • OpenWebText: An open replication of the WebText corpus (on which GPT-2 was trained).

Training Procedure

  • Context Length: 1024 tokens
  • Effective batch size: 512 (batch size * gradient accumulation)
  • Total training steps: 4000
  • Total Tokens = 4000 * 512 * 1024 = 2,097,152,000

Training Hyperparameters

  • Warmup Steps: 100
  • Weight Decay: 0.1
  • Learning Rate: 6e-4
  • Learning Rate Scheduler: Cosine
  • Precision: float32

Evaluation

Testing Data

All evaluations were carried out using the Language Model Evaluation Harness.

Metrics

  • Accuracy: The standard metric for the benchmarks used.

Results

Results

Environmental Impact

  • Hardware Type: GPUs: NVIDIA A100 80GB; CPUs: AMD EPYC (7713, 7643, or 7513)
  • Hours used: ~42hrs (on average)
  • Infrastructure Details: Massachusetts Green High-Performance Computing Center
  • Carbon Emitted: ~0.8kg (upper bound based on the Machine Learning Impact calculator from Lacoste et al. (2019) and the carbon efficiency of 0.0231kg/KWh reported for the data center by Sharma et al., (2017)).

Citation

If you use any of the Parc models, please cite our forthcoming NeurIPS paper where we introduce them:

BibTeX:

@inproceedings{michaelov_language_2025,
    title = {Language {Model} {Behavioral} {Phases} are {Consistent} {Across} {Scale} and {Architecture}},
    author = {Michaelov, James A. and Levy, Roger P. and Bergen, Benjamin K.},
    booktitle = {Advances in {Neural} {Information} {Processing} {Systems}},
    volume = {38},
    year = {2025}
}

APA:

Michaelov, J. A., Levy, R. P., & Bergen, B. K. (2025). Language Model Behavioral Phases are Consistent Across Scale and Architecture. Advances in Neural Information Processing Systems, 38.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
04a9dc7

0 моделей