/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
23 сен 2024

llm-jp-3-1.8b

Генерация текстаТекст → текст3 профессии

Японская и англоязычная базовая языковая модель на 1,7 млрд параметров для генерации текста с контекстом до 4096 токенов.

7 265скачиваний за 30 дней17лайковвеса обновлены26 сен 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

llm-jp-3-1.8b — плотная авторегрессионная языковая модель семейства Llama, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Репозиторий содержит базовую предварительно обученную модель; вариант Instruct опубликован отдельно. Модель насчитывает около 1,7 млрд параметров и обучена на смеси данных объёмом 2,1 трлн токенов. Контекст — 4096 токенов; доступны веса в формате Safetensors для Transformers.

Модель предназначена для генерации продолжения текста и может использоваться для создания черновиков, ответов на вопросы, пересказа и языковых экспериментов, особенно на японском и английском языках. Предварительное обучение и приведённые оценки охватывают несколько типов языковых задач, но карточка не описывает её как специализированную модель для следования инструкциям.

Разработчики предупреждают, что модель находится на ранней стадии исследований и разработок и не настроена для надёжного следования человеческим намерениям или требованиям безопасности. Лицензия — Apache-2.0.

Сценарии применения

  • генерация японского текста
  • генерация английского текста
  • создание черновиков и продолжений текста
  • эксперименты с небольшой языковой моделью
  • оценка модели на языковых задачах

Ограничения

Модель не настроена для надёжного следования человеческим намерениям и требованиям безопасности; возможны нежелательные или небезопасные ответы. Результаты оценки приведены на ограниченной выборке из 100 примеров dev-разбиения.

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

llm-jp-3-1.8b

This repository provides large language models developed by the Research and Development Center for Large Language Models at the National Institute of Informatics.

Model Variants
llm-jp-3-1.8b
llm-jp-3-1.8b-instruct
llm-jp-3-3.7b
llm-jp-3-3.7b-instruct
llm-jp-3-13b
llm-jp-3-13b-instruct
llm-jp-3-172b-beta1
llm-jp-3-172b-beta1-instruct

Checkpoints format: Hugging Face Transformers

Required Libraries and Their Versions

  • torch>=2.3.0
  • transformers>=4.40.1
  • tokenizers>=0.19.1
  • accelerate>=0.29.3
  • flash-attn>=2.5.8

Usage

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("llm-jp/llm-jp-3-1.8b")
model = AutoModelForCausalLM.from_pretrained("llm-jp/llm-jp-3-1.8b", device_map="auto", torch_dtype=torch.bfloat16)
text = "自然言語処理とは何か"
tokenized_input = tokenizer.encode(text, add_special_tokens=False, return_tensors="pt").to(model.device)
with torch.no_grad():
    output = model.generate(
        tokenized_input,
        max_new_tokens=100,
        do_sample=True,
        top_p=0.95,
        temperature=0.7,
        repetition_penalty=1.05,
    )[0]
print(tokenizer.decode(output))

Model Details

  • Model type: Transformer-based Language Model
  • Total seen tokens: 2.1T
ParamsLayersHidden sizeHeadsContext lengthEmbedding parametersNon-embedding parameters
1.8b242048164096407,896,0641,459,718,144
3.7b283072244096611,844,0963,171,068,928
13b4051204040961,019,740,16012,688,184,320

Tokenizer

The tokenizer of this model is based on huggingface/tokenizers Unigram byte-fallback model. The vocabulary entries were converted from llm-jp-tokenizer v3.0. Please refer to README.md of llm-jp-tokenizer for details on the vocabulary construction procedure (the pure SentencePiece training does not reproduce our vocabulary).

Datasets

Pre-training

The models have been pre-trained using a blend of the following datasets.

LanguageDatasetTokens
JapaneseWikipedia2.6B
Common Crawl762.8B
WARP/PDF237.3B
WARP/HTML2.7B
Kaken1.8B
EnglishWikipedia4.7B
Dolma/CC-head608.5B
Dolma/C4181.6B
Dolma/Reddit83.1B
Dolma/PeS2o62.9B
Dolma/Gutenberg5.5B
Dolma/Wiki3.9B
CodeThe Stack114.1B
ChineseWikipedia0.8B
KoreanWikipedia0.3B

Instruction tuning

The models have been fine-tuned on the following datasets.

LanguageDatasetdescription
Japaneseichikara-instruction-004-002A manually constructed instruction dataset
answer-carefully-002A manually constructed instruction dataset focusing on LLMs' safety
ichikara-instruction-formatA small amount of instruction dataset edited from ichikara-instruction, with some constraints on the output format.
AutoMultiTurnByCalm3-22BA synthetic instruction dataset.
ramdom-to-fixed-multiturn-Calm3A synthetic instruction dataset.
wizardlm8x22b-logical-math-coding-sft_additional-jaA synthetic instruction dataset.
Synthetic-JP-EN-Coding-Dataset-567kA synthetic instruction dataset. We used sampled one.
EnglishFLANWe used sampled one.

Evaluation

llm-jp-eval (v1.3.1)

We evaluated the models using 100 examples from the dev split.

Model nameaverageELFAHEMCMRMTNLIQARC
llm-jp-3-1.8b0.37670.37250.19480.23500.25000.09000.77300.30800.46290.7040
llm-jp-3-1.8b-instruct0.45960.42800.19870.32500.33000.42000.79000.35200.46980.8224
llm-jp-3-3.7b0.42310.38120.24400.22000.19000.36000.79470.38000.46880.7694
llm-jp-3-3.7b-instruct0.51880.41910.25040.34000.50000.58000.81660.45000.48810.8247
llm-jp-3-13b0.58020.55700.25930.46000.70000.63000.82920.34600.59370.8469
llm-jp-3-13b-instruct0.61680.54080.27570.49500.92000.71000.83170.46400.46420.8500

Japanese MT Bench

We evaluated the models using gpt-4-0613. Please see the codes for details.

Model nameaveragecodingextractionhumanitiesmathreasoningroleplaystemwriting
llm-jp-3-1.8b-instruct4.931.504.707.801.552.607.806.107.40
llm-jp-3-3.7b-instruct5.501.954.058.252.254.008.807.257.45
llm-jp-3-13b-instruct6.473.157.059.153.755.408.307.507.45

Risks and Limitations

The models released here are in the early stages of our research and development and have not been tuned to ensure outputs align with human intent and safety considerations.

Send Questions to

llm-jp(at)nii.ac.jp

License

Apache License, Version 2.0

Model Card Authors

The names are listed in alphabetical order.

Hirokazu Kiyomaru and Takashi Kodama.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
60acda3

0 моделей