/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Apache 2.0
Архитектура
llama_moe · MoE
Опубликована
23 дек 2023

LLaMA-MoE-v1-3_5B-4_16

Генерация текстаТекст → текст3 профессии

Англоязычная MoE-модель на основе LLaMA 2 для генерации текста и исследований разреженных языковых моделей.

120скачиваний за 30 дней17лайковвеса обновлены25 июн 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

LLaMA-MoE-v1-3.5B (4/16) — языковая модель с архитектурой Mixture-of-Experts, разработанная командой LLaMA-MoE на основе LLaMA 2. В модели 16 экспертов, из которых при генерации активируются 4; общий размер составляет 6,6 млрд параметров, а активная часть — около 3,5 млрд. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст до 4096 токенов.

Модель получена разделением FFN-блоков исходной LLaMA на экспертов и последующим продолжением предобучения на 200 млрд токенов из SlimPajama. Она предназначена для генерации текста, исследовательской работы с MoE и развертывания языковых моделей. Модель не дообучалась на инструкционных парах, поэтому может плохо справляться с диалогами и не подходит как готовый чат-бот. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с архитектурой Mixture-of-Experts
  • оценка языковой модели на задачах понимания и рассуждения
  • развертывание генеративной модели с 16 экспертами и четырьмя активными экспертами

Ограничения

Модель не дообучалась на инструкционных примерах, поэтому может плохо вести диалог и выполнять инструкции. Контекст ограничен 4096 токенами.

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

LLaMA-MoE-v1-3.5B (4/16)

[💻 Code] | [📜 Technical Report]

👋 Very nice to meet you here~

❤️ This repo contains the model LLaMA-MoE-v1-3.5B (4/16), which activates 4 out of 16 experts (3.5B parameters). This model is NOT fine-tuned by instruction pairs, so it may not be good enough to act like a chatbot.

📢 LLaMA-MoE is a series of Mixture-of-Expert (MoE) models based on LLaMA-2. You can find the code for training this model at this repo.

💎 This series of models are obtained by partitioning original LLaMA FFNs into experts and further continual pre-training. The total model size is only 6.7B parameters, which is very convenient for deployment and research usage. More details could be found at our technical report.

🚀 QuickStart

# python>=3.10

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_dir = "llama-moe/LLaMA-MoE-v1-3_5B-4_16"
tokenizer = AutoTokenizer.from_pretrained(model_dir, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_dir, torch_dtype=torch.bfloat16, trust_remote_code=True)
model.eval()
model.to("cuda:0")

input_text = "Suzhou is famous of"
inputs = tokenizer(input_text, return_tensors="pt")
inputs = inputs.to("cuda:0")

pred = model.generate(**inputs, max_length=50, temperature=0.0)
print(tokenizer.decode(pred.cpu()[0], skip_special_tokens=True))
# Suzhou is famous of its beautiful gardens. The most famous one is the Humble Administrator's Garden. It is a classical Chinese garden with a history of more than 600 years. The garden is divided into three

📊 Performance

Model#Activated Experts#Experts#Activated ParamsLinks
LLaMA-MoE-3.0B2163.0B[🤗 HF Weights]
LLaMA-MoE-3.5B (4/16)4163.5B[🤗 HF Weights]
LLaMA-MoE-3.5B (2/8)283.5B[🤗 HF Weights]
ModelSciQPIQAWinoGrandeARC-eARC-c (25)HellaSwag (10)LogiQABoolQ (32)LAMBADANQ (32)MMLU (5)Average
OPT-2.7B78.974.860.854.434.061.425.863.363.610.725.850.3
Pythia-2.8B83.273.659.658.836.760.728.165.964.68.726.851.5
INCITE-BASE-3B85.673.963.561.740.364.727.565.865.415.227.253.7
Open-LLaMA-3B-v288.077.963.163.340.171.428.169.267.416.026.855.6
Sheared-LLaMA-2.7B87.576.965.063.341.671.028.373.668.317.627.356.4
LLaMA-MoE-3.0B84.277.563.660.240.970.830.671.966.617.026.855.5
LLaMA-MoE-3.5B (4/16)87.677.965.565.644.273.329.775.069.520.326.857.7
LLaMA-MoE-3.5B (2/8)88.477.666.765.343.173.329.673.969.419.827.057.6

📖 Details

Training Data: 200B tokens from SlimPajama with the same data sampling weights as Sheared LLaMA.

📃 Citation

@article{llama-moe,
  title={LLaMA-MoE: Building Mixture-of-Experts from LLaMA with Continual Pre-training},
  author={Tong Zhu and Xiaoye Qu and Daize Dong and Jiacheng Ruan and Jingqi Tong and Conghui He and Yu Cheng},
  journal={arXiv preprint arXiv:2406.16554},
  year={2024},
  url={https://arxiv.org/abs/2406.16554},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
LlamaMoEForCausalLM
Ревизия весов
a9d7c3d

0 моделей