/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
24 мар 2024

zephyr-7b-beta_sparse05

Генерация текстаТекст → текст3 профессии

Разреженная чат-модель на базе Zephyr 7B Beta с 50% прореживанием Wanda для экспериментов с генерацией текста.

50скачиваний за 30 дней0лайковвеса обновлены27 мар 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

kettleguts/zephyr-7b-beta_sparse05 — разреженная версия чат-модели Zephyr 7B Beta, созданная автором репозитория на основе HuggingFaceH4/zephyr-7b-beta. Для прореживания линейных слоёв применён метод Wanda, который удалил 50% весов. Модель имеет архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Модель предназначена для исследовательских экспериментов с генерацией текста и диалоговым поведением разреженных языковых моделей. Качество ответов сильно зависит от формулировки запроса; из-за сильного прореживания модель может вести себя как существенно меньшая модель. Карточка не рекомендует применять её вне исследований и указывает, что дополнительных защитных механизмов не добавлено.

Лицензия — MIT. Модель работает с текстом и ориентирована на английский язык; в метаданных указаны датасеты UltraChat 200k и UltraFeedback Binarized.

Сценарии применения

  • эксперименты с разреживанием языковых моделей
  • генерация английских диалоговых ответов
  • изучение влияния прореживания на качество чат-моделей

Ограничения

Качество генерации сильно зависит от промпта, а после удаления половины весов модель может вести себя как существенно меньшая модель. Не предназначена для прямого применения вне исследований; в карточке также отмечено отсутствие дополнительных защитных механизмов.

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 kettleguts/zephyr-7b-beta_sparse05

This is a pruned version of HuggingFaceH4/zephyr-7b-beta found here. Wanda pruning was used to introduce 50% sparsity into the linear layers. Read the paper here.

Model Description

Here

Uses

This model is only useful for research purposes. The quality of its text generation is highly dependent on how it is prompted. Since it is heavily pruned, it sometimes behaves like a mush smaller model.

Direct Use

This model is not suitable for direct use outside of research.

Out-of-Scope Use

This model should never be used for critical decisions involving health, life, employment, housing, law, etc. It should also never be used to harm anyone.

Bias, Risks, and Limitations

No safegaurds have been added to this model.

How to Get Started with the Model

Use the code below to get started with the model:


from transformers import pipeline

pipe = pipeline("text-generation",model=model, tokenizer=tokenizer)

messages = [
    {
        "role": "system",
        "content": "You are a friendly chatbot who always responds as briefly as possible with prefect grammar.",
    },
        {"role": "user", "content": "Briefly describe network pruning."},
    ]
    
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

outputs = pipe(prompt,
               max_new_tokens=256,
               do_sample=True,
               temperature=0.7,
               top_k=50,
               top_p=0.95,
               pad_token_id = tokenizer.pad_token_id)
               
text = str(outputs[0]).split('<|assistant|>\\n')
print(text[-1])

Output:

Network pruning, in the context of artificial intelligence and machine learning, refers to the process of removing unimportant or redundant connections, or "pruning," from a neural network's architecture. This is done to simplify and optimize the network's structure, reduce overfitting, and improve its efficiency, while preserving its overall performance. Pruning typically involves removing connections, neurons, or entire layers, based on metrics such as the weight or sparsity of the connection, or the amount of improvement gained by removing the connection. The goal is to prune the network in a way that balances the trade-off between model size and accuracy, while reducing the network's overall complexity and resource requirements. Pruning techniques can range from simple heuristics such as early stopping, to more sophisticated methods such as compressed and pruned models, and iterative and incremental pruning.'}

Evaluation

Pending

Model Examination

Pending

Environmental Impact

The calculations necessary to prune this model required less than 1 hour of time on a T4 GPU in Colab.

Technical Specifications

Software

The bulk of this work was done using Pytorch. They have an array of built-in pruning tools in torch.nn . Also check out the tutorial by Michela Paganini.

Citation

BibTeX:

@misc{tunstall2023zephyr, title={Zephyr: Direct Distillation of LM Alignment}, author={Lewis Tunstall and Edward Beeching and Nathan Lambert and Nazneen Rajani and Kashif Rasul and Younes Belkada and Shengyi Huang and Leandro von Werra and Clémentine Fourrier and Nathan Habib and Nathan Sarrazin and Omar Sanseviero and Alexander M. Rush and Thomas Wolf}, year={2023}, eprint={2310.16944}, archivePrefix={arXiv}, primaryClass={cs.LG} }

@misc{sun2023simple, title={A Simple and Effective Pruning Approach for Large Language Models}, author={Mingjie Sun and Zhuang Liu and Anna Bair and J. Zico Kolter}, year={2023}, eprint={2306.11695}, archivePrefix={arXiv}, primaryClass={cs.CL} }

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
0410488

0 моделей