/ Модель

Характеристики

Контекст
1 024 токена
Параметры
90,5 млн
Лицензия
MIT
Архитектура
phi · dense
Библиотека
transformers
Опубликована
2 фев 2024

nano-phi-115M-v0.1

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель семейства Phi, обученная с нуля для генерации продолжений текста и экспериментов с небольшими языковыми моделями.

289скачиваний за 30 дней4лайкавеса обновлены6 апр 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

kenhktsui/nano-phi-115M-v0.1 — небольшая языковая модель автора kenhktsui, созданная с нуля и вдохновлённая Phi-2 и компактными открытыми языковыми моделями. Это плотная авторегрессионная модель семейства Phi с 6 слоями, размером скрытого состояния 768, 24 головами внимания и grouped-query attention с 8 key/value-головами. В README указано 115 млн параметров; метаданные каталога указывают 90,5 млн. Модель принимает текст и генерирует продолжение текста, поддерживает контекст до 1024 токенов и ориентирована на английский язык.

Модель обучалась 14 000 шагов на корпусе объёмом 0,26 млрд токенов, отобранных фильтром качества из данных, суммарно содержащих 7 млрд токенов. Её можно применять для компактных экспериментов с генерацией текста и изучения влияния качества обучающих данных. Приведённые в карточке результаты бенчмарков заметно уступают Phi-2, а результат GSM8K равен нулю, поэтому модель не подходит для задач, требующих надёжных рассуждений или сильного следования инструкциям. Веса опубликованы в формате safetensors, библиотека запуска — Transformers; лицензия MIT.

Сценарии применения

  • генерация коротких продолжений английского текста
  • эксперименты с компактными авторегрессионными языковыми моделями
  • изучение влияния фильтрации качества обучающих данных

Ограничения

Контекст ограничен 1024 токенами. В приведённых оценках результаты значительно ниже Phi-2, а точность GSM8K равна нулю; карточка не подтверждает надёжное следование инструкциям.

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 nano-phi-115M-v0.1

Inspired by Phi2, and open source small language model attempts like smol_llama-101M-GQA.
Pre-trained with training 7B token from scratch, with application of quality filter to datasets resulting in 0.26B token.
The control is kenhktsui/nano-phi-115M-control-v0.1, where full dataset (0.6B) is used.
Not much degradation in performance despite only using 42% of the data due to the effective quality filter ("quality_score_v1" > 0.5). In fact, upon inspection, the 6000 steps chkpt achieves similar performance as this model, signaling underlying effective training due to high quality data. It just took 1d to train in Colab with a A100 40GB (<USD$ 50).
It achieves quite competitive results in evaluation given its training token, and training data size.
Yet, there are still large gaps (particularly in ARC, HellaSwag, MMLU and GSM8K) between nano-phi-115M-v0.1 and phi-2, where author will attempt to narrow down the gap in the future. No alignment has been done yet.

How to use

To use the model, you will need transformer version >= 4.37.2

pip install transformers>=4.37.2
# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="kenhktsui/nano-phi-115M-v0.1")
pipe("I am a machine learning researcher. I work on", max_new_tokens=50, repetition_penalty=10.0)
# [{'generated_text': 'I am a machine learning researcher. I work on the problem of finding patterns in data, and it is not easy to find them all at once!\nThe first step was searching for pattern matching algorithms that are used by many people who have never seen an algorithm before (or even if they do).'}]

Some metrics

  • model
    • hidden_size: 768
    • num_key_value_heads: 8 (grouped query attention)
    • num_attention_heads: 24
    • num_hidden_layers: 6
    • context length: 1024
    • total params: 115M
  • training:
    • global steps: 14,000

Open LLM Leaderboard Evaluation Results

Metrickenhktsui/nano-phi-115M-v0.1kenhktsui/nano-phi-115M-v0.1 (6000 steps)kenhktsui/nano-phi-115M-control-v0.1microsoft/phi-2
Model Para115M115M115M2.7B
Dataset Size0.26B0.26B0.6B250B
Training Token7B3B7B1.4T
Context Length1024102410242048
Device1xA100-40G1xA100-40G1xA100-40G96xA100-80G
Training Time2d4h1d2d4h14d
Metrickenhktsui/nano-phi-115M-v0.1kenhktsui/nano-phi-115M-v0.1 (6000 steps)kenhktsui/nano-phi-115M-control-v0.1microsoft/phi-2 (Reproduced)
Avg.28.6829.0328.7561.53
ARC (25-shot)21.9322.2721.6761.52
HellaSwag (10-shot)27.8726.8826.8975.13
MMLU (5-shot)25.3025.0124.7658.23
TruthfulQA (0-shot)46.0148.0347.6944.46
Winogrande (5-shot)50.9952.0151.4674.51
GSM8K (5-shot)0.00.00.055.34

Details:

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/checkpoint-pegfss6f:v13,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 0, batch_size: 16

TaskVersionMetricValueStderr
arc_easy0acc0.4263±0.0101
acc_norm0.3864±0.0100

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/checkpoint-pegfss6f:v13,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 25, batch_size: 16

TaskVersionMetricValueStderr
arc_challenge0acc0.1826±0.0113
acc_norm0.2193±0.0121

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/checkpoint-pegfss6f:v13,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 10, batch_size: 16

TaskVersionMetricValueStderr
hellaswag0acc0.2733±0.0044
acc_norm0.2787±0.0045

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/checkpoint-pegfss6f:v13,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 0, batch_size: 16

TaskVersionMetricValueStderr
truthfulqa_mc1mc10.2521±0.0152
mc20.4601±0.0154

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/checkpoint-pegfss6f:v13,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 5, batch_size: 16

TaskVersionMetricValueStderr
hendrycksTest-abstract_algebra1acc0.2300±0.0423
acc_norm0.2300±0.0423
hendrycksTest-anatomy1acc0.3111±0.0400
acc_norm0.3111±0.0400
hendrycksTest-astronomy1acc0.2171±0.0336
acc_norm0.2171±0.0336
hendrycksTest-business_ethics1acc0.2500±0.0435
acc_norm0.2500±0.0435
hendrycksTest-clinical_knowledge1acc0.2226±0.0256
acc_norm0.2226±0.0256
hendrycksTest-college_biology1acc0.2292±0.0351
acc_norm0.2292±0.0351
hendrycksTest-college_chemistry1acc0.1700±0.0378
acc_norm0.1700±0.0378
hendrycksTest-college_computer_science1acc0.2500±0.0435
acc_norm0.2500±0.0435
hendrycksTest-college_mathematics1acc0.2500±0.0435
acc_norm0.2500±0.0435
hendrycksTest-college_medicine1acc0.2023±0.0306
acc_norm0.2023±0.0306
hendrycksTest-college_physics1acc0.3235±0.0466
acc_norm0.3235±0.0466
hendrycksTest-computer_security1acc0.2600±0.0441
acc_norm0.2600±0.0441
hendrycksTest-conceptual_physics1acc0.2511±0.0283
acc_norm0.2511±0.0283
hendrycksTest-econometrics1acc0.2281±0.0395
acc_norm0.2281±0.0395
hendrycksTest-electrical_engineering1acc0.2276±0.0349
acc_norm0.2276±0.0349
hendrycksTest-elementary_mathematics1acc0.2460±0.0222
acc_norm0.2460±0.0222
hendrycksTest-formal_logic1acc0.1508±0.0320
acc_norm0.1508±0.0320
hendrycksTest-global_facts1acc0.3000±0.0461
acc_norm0.3000±0.0461
hendrycksTest-high_school_biology1acc0.3387±0.0269
acc_norm0.3387±0.0269
hendrycksTest-high_school_chemistry1acc0.2906±0.0319
acc_norm0.2906±0.0319
hendrycksTest-high_school_computer_science1acc0.3100±0.0465
acc_norm0.3100±0.0465
hendrycksTest-high_school_european_history1acc0.2182±0.0323
acc_norm0.2182±0.0323
hendrycksTest-high_school_geography1acc0.3232±0.0333
acc_norm0.3232±0.0333
hendrycksTest-high_school_government_and_politics1acc0.2021±0.0290
acc_norm0.2021±0.0290
hendrycksTest-high_school_macroeconomics1acc0.2487±0.0219
acc_norm0.2487±0.0219
hendrycksTest-high_school_mathematics1acc0.2741±0.0272
acc_norm0.2741±0.0272
hendrycksTest-high_school_microeconomics1acc0.3319±0.0306
acc_norm0.3319±0.0306
hendrycksTest-high_school_physics1acc0.3179±0.0380
acc_norm0.3179±0.0380
hendrycksTest-high_school_psychology1acc0.2477±0.0185
acc_norm0.2477±0.0185
hendrycksTest-high_school_statistics1acc0.4722±0.0340
acc_norm0.4722±0.0340
hendrycksTest-high_school_us_history1acc0.2696±0.0311
acc_norm0.2696±0.0311
hendrycksTest-high_school_world_history1acc0.2152±0.0268
acc_norm0.2152±0.0268
hendrycksTest-human_aging1acc0.1973±0.0267
acc_norm0.1973±0.0267
hendrycksTest-human_sexuality1acc0.2824±0.0395
acc_norm0.2824±0.0395
hendrycksTest-international_law1acc0.2231±0.0380
acc_norm0.2231±0.0380
hendrycksTest-jurisprudence1acc0.2222±0.0402
acc_norm0.2222±0.0402
hendrycksTest-logical_fallacies1acc0.2822±0.0354
acc_norm0.2822±0.0354
hendrycksTest-machine_learning1acc0.2768±0.0425
acc_norm0.2768±0.0425
hendrycksTest-management1acc0.2039±0.0399
acc_norm0.2039±0.0399
hendrycksTest-marketing1acc0.1966±0.0260
acc_norm0.1966±0.0260
hendrycksTest-medical_genetics1acc0.2800±0.0451
acc_norm0.2800±0.0451
hendrycksTest-miscellaneous1acc0.2746±0.0160
acc_norm0.2746±0.0160
hendrycksTest-moral_disputes1acc0.2081±0.0219
acc_norm0.2081±0.0219
hendrycksTest-moral_scenarios1acc0.2469±0.0144
acc_norm0.2469±0.0144
hendrycksTest-nutrition1acc0.2647±0.0253
acc_norm0.2647±0.0253
hendrycksTest-philosophy1acc0.1897±0.0223
acc_norm0.1897±0.0223
hendrycksTest-prehistory1acc0.2377±0.0237
acc_norm0.2377±0.0237
hendrycksTest-professional_accounting1acc0.2482±0.0258
acc_norm0.2482±0.0258
hendrycksTest-professional_law1acc0.2464±0.0110
acc_norm0.2464±0.0110
hendrycksTest-professional_medicine1acc0.4265±0.0300
acc_norm0.4265±0.0300
hendrycksTest-professional_psychology1acc0.2614±0.0178
acc_norm0.2614±0.0178
hendrycksTest-public_relations1acc0.1818±0.0369
acc_norm0.1818±0.0369
hendrycksTest-security_studies1acc0.1959±0.0254
acc_norm0.1959±0.0254
hendrycksTest-sociology1acc0.2289±0.0297
acc_norm0.2289±0.0297
hendrycksTest-us_foreign_policy1acc0.2400±0.0429
acc_norm0.2400±0.0429
hendrycksTest-virology1acc0.2048±0.0314
acc_norm0.2048±0.0314
hendrycksTest-world_religions1acc0.2222±0.0319
acc_norm0.2222±0.0319

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/checkpoint-pegfss6f:v13,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 5, batch_size: 16

TaskVersionMetricValueStderr
winogrande0acc0.5099±0.014

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/checkpoint-pegfss6f:v13,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 5, batch_size: 16

TaskVersionMetricValueStderr
gsm8k0acc0.0±0.0

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.28.66
AI2 Reasoning Challenge (25-Shot)21.93
HellaSwag (10-Shot)27.86
MMLU (5-Shot)25.34
TruthfulQA (0-shot)46.00
Winogrande (5-shot)50.83
GSM8k (5-shot)0.00

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
PhiForCausalLM
Ревизия весов
554e4f0

0 моделей