/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
171 млрд
Размер весов
345 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
29 сен 2024

llm-jp-3-172b-alpha1

Генерация текстаТекст → текст3 профессии

Большая языковая модель LLM-jp для генерации японского и английского текста и исследовательских экспериментов.

170скачиваний за 30 дней1лайквеса обновлены4 окт 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-3-172b-alpha1 — плотная трансформерная языковая модель семейства Llama, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии при частичной поддержке GENIAC. Репозиторий содержит веса в формате Hugging Face Transformers для генерации текста. В модели 171,2 млрд параметров, 96 слоёв, размер скрытого состояния 12 288 и контекст длиной 4 096 токенов; она обучалась на корпусах, включающих японские данные, и поддерживает японский и английский языки.

Модель предназначена для исследовательского использования и экспериментов с генерацией текста, продолжением текста и ответами на запросы. Для alpha1 указано 0,7 трлн увиденных при обучении токенов. Разработчики предупреждают, что её результаты значительно уступают предыдущим выпускам LLM-jp; модель также не настроена на надёжное следование человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на японском языке
  • продолжение японских и английских текстов
  • эксперименты с большой языковой моделью
  • исследование генерации текста на японском и английском
  • ответы на текстовые запросы

Ограничения

Разработчики предупреждают, что качество alpha1 значительно ниже, чем у ранее выпущенных моделей LLM-jp. Модель не настроена для надёжного соответствия человеческим намерениям и требованиям безопасности.

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-3-172b-alpha1

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

The development was partially supported by GENIAC.

Model Variants
llm-jp-3-172b-alpha1
llm-jp-3-172b-alpha1-instruct
llm-jp-3-172b-alpha2
llm-jp-3-172b-alpha2-instruct
llm-jp-3-172b-beta1
llm-jp-3-172b-beta1-instruct

Checkpoints format: Hugging Face Transformers

Caution!: While it has been confirmed that the performance of LLM-jp-3 172B alpha1 and alpha2 is significantly lower than previously released models, we believe they can still be useful for research purposes and are making them available to the public. For more information, please visit this link.

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-3-172b-alpha1")
model = AutoModelForCausalLM.from_pretrained("llm-jp/llm-jp-3-172b-alpha1", 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::
    • alpha1: 0.7T
    • alpha2: 1.4T
    • beta1: 0.7T
ParamsLayersHidden sizeHeadsContext length
172b9612288964096

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/PDF282.1B
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 Japanese instruction dataset
answer-carefully-001A manually constructed Japanese instruction dataset focusing on LLMs' safety
databricks-dolly-15k-jadatabricks-dolly-15k translated into Japanese using DeepL
oasst1-21k-jaA subset of oasst1 translated into Japanese using DeepL
oasst2-33k-jaA subset of oasst2 translated into Japanese using DeepL
aya-dataset-jaA Japanese subset of aya_dataset
ichikara-instruction-formatA small amount of instruction dataset edited from ichikara-instruction, with some constraints on the output format.
Englishdatabricks-dolly-15k-
oasst1-21k-enA subset of oasst1
oasst2-33k-enA subset of oasst2
Daring-Anteater-
FLANWe used sampled one.

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

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e6acbac

0 моделей