/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
MIT
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
1 авг 2024

gpt3_125M_edu_hermes

Генерация текстаТекст → текст3 профессии

Компактная модель GPT-2 на 125 млн параметров, обученная на образовательных веб-текстах и данных OpenHermes для генерации текста и экспериментов.

37скачиваний за 30 дней0лайковвеса обновлены1 авг 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

jrahn/gpt3_125M_edu_hermes — языковая модель автора jrahn, построенная на архитектуре GPT-2 и обученная автором с нуля в режиме причинного языкового моделирования. В README обучение описано как сравнение Fineweb-Edu 10B и перемежаемого обучения на Fineweb-Edu и OpenHermes 2.5; итоговый вариант обучен на 10,29 млрд токенов из 10 669 024 документов. Размер модели — 125 млн параметров, контекст — 2048 токенов.

Модель предназначена для генерации продолжений текста и базовых экспериментов с языковыми моделями. OpenHermes 2.5 был предварительно представлен в формате ChatML, однако карточка не подтверждает отдельные возможности полноценного диалогового ассистента. В тесте HellaSwag указана оценка 30,5. Репозиторий содержит веса Safetensors и использует библиотеку Transformers; лицензия — MIT.

Сценарии применения

  • генерация продолжения текстового фрагмента
  • эксперименты с небольшими GPT-моделями
  • изучение влияния примеси диалоговых данных при предобучении

Ограничения

Размер 125 млн параметров и контекст 2048 токенов ограничивают сложность задач и длину входного текста; результат HellaSwag в карточке составляет 30,5. Карточка не подтверждает надёжность диалоговых ответов или пригодность для специализированных задач.

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

Model Card for llm.c GPT3_125M

Instruction Pretraining: Fineweb-edu 10B interleaved with OpenHermes 2.5

Loss Compare training on fineweb-edu 10b only vs. interleaved

Model Details

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import pipeline
p = pipeline("text-generation", "jrahn/gpt3_125M_edu_hermes")

# instruction following
p("<|im_start|>user\nTeach me to fish.<|im_end|>\n<|im_start|>assistant\n", max_length=128)
# [{'generated_text': '<|im_start|>user\nTeach me to fish.<|im_end|>\n<|im_start|>assistant\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\nTeach me to fish.\n\n'}]

# text completion
p("In a shocking finding, scientist discovered a herd of unicorns living in a remote, previously unexplored valley, in the Andes Mountains. Even more surprising to the researchers was the fact that the unicorns spoke perfect English. ", max_length=128)
# [{'generated_text': 'In a shocking finding, scientist discovered a herd of unicorns living in a remote, previously unexplored valley, in the Andes Mountains. Even more surprising to the researchers was the fact that the unicorns spoke perfect English. \nThe researchers were able to identify the unicorns by their unique language. The researchers found that the unicorns spoke a language that is similar to the language of the Andes Mountains.\nThe researchers also found that the unicorns spoke a language that is similar to the language of the Andes Mountains. This is the first time that the researchers have been able to identify the language of the Andes Mountains.'}]

Training Details

Training Data

Datasets used: Fineweb-Edu 10B + OpenHermes 2.5

Dataset proportions:

  • Part 1: FWE 4,836,050 + OH 100,000 (2.03%) = 4,936,050
  • Part 2: FWE 4,336,051 + OH 400,000 (8.45%) = 4,736,051
  • Part 3: FWE 500,000 + OH 501,551 (50.08%) = 1,001,551
    Total documents: 10,669,024

Training Procedure

Preprocessing [optional]

  • Fineweb-Edu: none, just the "text" feature
  • OpenHermes 2.5: applied ChatML prompt template to "conversations" to create the "text" feature

Training Hyperparameters

  • Training regime:
  • bf16
  • context length 2048
  • per device batch size 16, global batch size 524,288 -> gradient accumulation 16
  • zero stage 1
  • lr 6e-4, cosine schedule, 700 warmup steps
  • more details see run script

Speeds, Sizes, Times [optional]

Params: 125M -> 250MB / checkpoint
Tokens: ~10B (10,287,579,136)
Total training time: ~12hrs
Hardware: 2x RTX4090
MFU: 70% (266,000 tok/s)

Evaluation

Results

HellaSwag: 30.5

Technical Specifications [optional]

Model Architecture and Objective

GTP3 125M, Causal Language Modeling

Compute Infrastructure

Hardware

2x RTX4090

Software

llm.c

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
868fc41

0 моделей