/ Модель

Характеристики

Контекст
1 024 токена
Параметры
129 млн
Лицензия
MIT
Архитектура
phi · dense
Библиотека
transformers
Опубликована
8 мая 2024

nano-phi-192M-v0.1

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель семейства Phi с 192 млн параметров для генерации текста и простых диалогов.

167скачиваний за 30 дней1лайквеса обновлены8 мая 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-192M-v0.1 — экспериментальная языковая модель, разработанная kenhktsui как продолжение nano-phi-115M-v0.1. Это плотная авторегрессионная модель семейства Phi для генерации текста и диалоговых сценариев; она не прошла выравнивание поведения. В карточке указаны 192 млн параметров, 6 слоёв, 24 головы внимания, grouped-query attention с 8 KV-головами и контекст 1024 токена. Метаданные указывают 128,9 млн параметров, поэтому размер модели описан источниками по-разному.

Модель обучалась на 19 млрд токенов; среди отличий от предшественницы автор отмечает увеличение словаря токенизатора и добавление датасета Cosmopedia. Карточка приводит сравнительно низкие результаты на нескольких тестах Open LLM Leaderboard, включая ARC и HellaSwag, поэтому модель подходит прежде всего для экспериментов и компактных демонстраций генерации текста, а не для требовательных прикладных задач. Указана лицензия MIT. Для использования автор требует Transformers версии 4.37.2 или новее.

Сценарии применения

  • эксперименты с компактной авторегрессионной языковой моделью
  • генерация коротких продолжений текста на английском языке
  • создание демонстрационного чат-бота на базе небольшой LLM

Ограничения

Модель не выровнена, а результаты в приведённых тестах заметно уступают воспроизведённой Phi-2; её не следует считать надёжной для требовательных задач. README указывает контекст 1024 токена; метаданные дают размер 128,9 млн параметров, тогда как README указывает 192 млн.

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-192M-v0.1

This is a continual effort from kenhktsui/nano-phi-115M-v0.1.
The model is not aligned.

Major differences:

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-192M-v0.1")
pipe("I am a machine learning researcher. I work on", max_new_tokens=50, repetition_penalty=10.0)

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: 192M
  • training:
    • global steps: 36,000

Open LLM Leaderboard Evaluation Results

Metrickenhktsui/nano-phi-191M-v0.1kenhktsui/nano-phi-115M-v0.1microsoft/phi-2 (Reproduced)
Avg.29.2428.6861.53
ARC (25-shot)24.1521.9361.52
HellaSwag (10-shot)29.9927.8775.13
MMLU (5-shot)25.4625.3058.23
TruthfulQA (0-shot)44.3046.0144.46
Winogrande (5-shot)51.5450.9974.51
GSM8K (5-shot)0.00.055.34

Details:

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/model-9gh18vfl:v25,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 0, batch_size: 8

TaskVersionMetricValueStderr
arc_easy0acc0.4596±0.0102
acc_norm0.4070±0.0101

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/model-9gh18vfl:v25,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 25, batch_size: 8

TaskVersionMetricValueStderr
arc_challenge0acc0.1911±0.0115
acc_norm0.2415±0.0125

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/model-9gh18vfl:v25,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 10, batch_size: 8

TaskVersionMetricValueStderr
hellaswag0acc0.2833±0.0045
acc_norm0.2999±0.0046

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/model-9gh18vfl:v25,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 0, batch_size: 8

TaskVersionMetricValueStderr
truthfulqa_mc1mc10.2583±0.0153
mc20.4430±0.0152

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/model-9gh18vfl:v25,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 5, batch_size: 8

TaskVersionMetricValueStderr
hendrycksTest-abstract_algebra1acc0.2200±0.0416
acc_norm0.2200±0.0416
hendrycksTest-anatomy1acc0.2593±0.0379
acc_norm0.2593±0.0379
hendrycksTest-astronomy1acc0.1711±0.0306
acc_norm0.1711±0.0306
hendrycksTest-business_ethics1acc0.2400±0.0429
acc_norm0.2400±0.0429
hendrycksTest-clinical_knowledge1acc0.2566±0.0269
acc_norm0.2566±0.0269
hendrycksTest-college_biology1acc0.2639±0.0369
acc_norm0.2639±0.0369
hendrycksTest-college_chemistry1acc0.1800±0.0386
acc_norm0.1800±0.0386
hendrycksTest-college_computer_science1acc0.3300±0.0473
acc_norm0.3300±0.0473
hendrycksTest-college_mathematics1acc0.3000±0.0461
acc_norm0.3000±0.0461
hendrycksTest-college_medicine1acc0.2023±0.0306
acc_norm0.2023±0.0306
hendrycksTest-college_physics1acc0.2843±0.0449
acc_norm0.2843±0.0449
hendrycksTest-computer_security1acc0.2200±0.0416
acc_norm0.2200±0.0416
hendrycksTest-conceptual_physics1acc0.2511±0.0283
acc_norm0.2511±0.0283
hendrycksTest-econometrics1acc0.2807±0.0423
acc_norm0.2807±0.0423
hendrycksTest-electrical_engineering1acc0.2897±0.0378
acc_norm0.2897±0.0378
hendrycksTest-elementary_mathematics1acc0.2804±0.0231
acc_norm0.2804±0.0231
hendrycksTest-formal_logic1acc0.2143±0.0367
acc_norm0.2143±0.0367
hendrycksTest-global_facts1acc0.1700±0.0378
acc_norm0.1700±0.0378
hendrycksTest-high_school_biology1acc0.3226±0.0266
acc_norm0.3226±0.0266
hendrycksTest-high_school_chemistry1acc0.2759±0.0314
acc_norm0.2759±0.0314
hendrycksTest-high_school_computer_science1acc0.2700±0.0446
acc_norm0.2700±0.0446
hendrycksTest-high_school_european_history1acc0.2606±0.0343
acc_norm0.2606±0.0343
hendrycksTest-high_school_geography1acc0.3081±0.0329
acc_norm0.3081±0.0329
hendrycksTest-high_school_government_and_politics1acc0.3627±0.0347
acc_norm0.3627±0.0347
hendrycksTest-high_school_macroeconomics1acc0.2641±0.0224
acc_norm0.2641±0.0224
hendrycksTest-high_school_mathematics1acc0.2630±0.0268
acc_norm0.2630±0.0268
hendrycksTest-high_school_microeconomics1acc0.3403±0.0308
acc_norm0.3403±0.0308
hendrycksTest-high_school_physics1acc0.3113±0.0378
acc_norm0.3113±0.0378
hendrycksTest-high_school_psychology1acc0.2716±0.0191
acc_norm0.2716±0.0191
hendrycksTest-high_school_statistics1acc0.4491±0.0339
acc_norm0.4491±0.0339
hendrycksTest-high_school_us_history1acc0.2402±0.0300
acc_norm0.2402±0.0300
hendrycksTest-high_school_world_history1acc0.2363±0.0277
acc_norm0.2363±0.0277
hendrycksTest-human_aging1acc0.2197±0.0278
acc_norm0.2197±0.0278
hendrycksTest-human_sexuality1acc0.2824±0.0395
acc_norm0.2824±0.0395
hendrycksTest-international_law1acc0.2479±0.0394
acc_norm0.2479±0.0394
hendrycksTest-jurisprudence1acc0.2037±0.0389
acc_norm0.2037±0.0389
hendrycksTest-logical_fallacies1acc0.2393±0.0335
acc_norm0.2393±0.0335
hendrycksTest-machine_learning1acc0.1875±0.0370
acc_norm0.1875±0.0370
hendrycksTest-management1acc0.2039±0.0399
acc_norm0.2039±0.0399
hendrycksTest-marketing1acc0.1795±0.0251
acc_norm0.1795±0.0251
hendrycksTest-medical_genetics1acc0.3000±0.0461
acc_norm0.3000±0.0461
hendrycksTest-miscellaneous1acc0.2644±0.0158
acc_norm0.2644±0.0158
hendrycksTest-moral_disputes1acc0.2225±0.0224
acc_norm0.2225±0.0224
hendrycksTest-moral_scenarios1acc0.2726±0.0149
acc_norm0.2726±0.0149
hendrycksTest-nutrition1acc0.2353±0.0243
acc_norm0.2353±0.0243
hendrycksTest-philosophy1acc0.2283±0.0238
acc_norm0.2283±0.0238
hendrycksTest-prehistory1acc0.2099±0.0227
acc_norm0.2099±0.0227
hendrycksTest-professional_accounting1acc0.2411±0.0255
acc_norm0.2411±0.0255
hendrycksTest-professional_law1acc0.2458±0.0110
acc_norm0.2458±0.0110
hendrycksTest-professional_medicine1acc0.3897±0.0296
acc_norm0.3897±0.0296
hendrycksTest-professional_psychology1acc0.2141±0.0166
acc_norm0.2141±0.0166
hendrycksTest-public_relations1acc0.1818±0.0369
acc_norm0.1818±0.0369
hendrycksTest-security_studies1acc0.2490±0.0277
acc_norm0.2490±0.0277
hendrycksTest-sociology1acc0.2537±0.0308
acc_norm0.2537±0.0308
hendrycksTest-us_foreign_policy1acc0.2900±0.0456
acc_norm0.2900±0.0456
hendrycksTest-virology1acc0.1807±0.0300
acc_norm0.1807±0.0300
hendrycksTest-world_religions1acc0.1813±0.0295
acc_norm0.1813±0.0295

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/model-9gh18vfl:v25,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 5, batch_size: 8

TaskVersionMetricValueStderr
winogrande0acc0.5154±0.014

hf-causal-experimental (pretrained=/content/lm-evaluation-harness/artifacts/model-9gh18vfl:v25,use_accelerate=false,trust_remote_code=True), limit: None, provide_description: False, num_fewshot: 5, batch_size: 8

TaskVersionMetricValueStderr
gsm8k0acc0±0

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
e5c1dbe

0 моделей