/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
510 млн
Лицензия
Apache 2.0
Архитектура
phonelm · dense
Библиотека
transformers
Опубликована
6 ноя 2024

PhoneLM-0.5B

Генерация текстаТекст → текст3 профессии

Компактная англоязычная авторегрессионная модель для генерации текста и общих языковых задач.

40скачиваний за 30 дней0лайковвеса обновлены14 ноя 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

PhoneLM-0.5B — авторегрессионная языковая модель с архитектурой Transformer decoder-only, разработанная командой mllmTeam. Модель содержит 509,6 млн параметров и предварительно обучена на 1,1 трлн токенов. В архитектуре используются 24 слоя, скрытый размер 1024, 16 голов внимания и контекст длиной 2048 токенов; позиционные представления RoPE применяются к первой четверти размерности головы, а токенизатор на основе SmolLM имеет словарь из 49 152 токенов.

Модель предназначена для генерации продолжений текста на английском языке и общих языковых задач. Обучение проводилось на смеси DCLM-baseline, StarCoder, OpenWebMath и Dolma; в README приведены результаты на тестах общего знания и рассуждений. Распространяется в формате Safetensors под лицензией Apache-2.0. Размер модели ограничивает её возможности по сравнению с крупными языковыми моделями, а контекст составляет 2048 токенов.

Сценарии применения

  • генерация продолжения английского текста
  • черновое написание коротких текстов на английском
  • ответы на общие вопросы на английском
  • решение простых задач на рассуждение и понимание текста

Ограничения

Контекст ограничен 2048 токенами; модель компактная и может уступать более крупным моделям в сложных задачах и качестве ответов.

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

PhoneLM-0.5B is a 0.5 billion parameter decoder-only language model pre-trained on 1.1 trillion tokens.

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = 'mllmTeam/PhoneLM-0.5B'
model = AutoModelForCausalLM.from_pretrained(model_name, device_map='cuda', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_name)

inp = tokenizer("Machine Learning is ", return_tensors="pt")
inp = {k: v.to('cuda') for k, v in inp.items()}
out = model.generate(**inp, 
                     max_length=256,
                     do_sample=True,
                     temperature=0.7,
                     top_p=0.7
                     )
text = tokenizer.decode(out[0], skip_special_tokens=True)
print(text)

Model Details

  • Developed by: mllmTeam
  • Model type: PhoneLM 0.5B models are auto-regressive language models based on the transformer decoder architecture.
  • Language(s): English
  • Paper: PhoneLM Technical Report
  • Library: PhoneLM

Model Architecture

The model is a decoder-only transformer architecture with the following modifications:

Hidden SizeLayersHeadsSequence Length
102424162048
  • Position Embeddings: Rotary Position Embeddings (Su et al., 2021) applied to the first 25% of head embedding dimensions for improved throughput following Black et al. (2022). PhoneLM quantized the sin and cos values in Rotary Position Embeddings to 8-bit integers.
  • Normalization: LayerNorm (Ba et al., 2016) with learned bias terms as opposed to RMSNorm (Zhang & Sennrich, 2019).
  • Biases: We remove all bias terms from the feed-forward networks and multi-head self-attention layers, except for the biases of the query, key, and value projections (Bai et al., 2023).
  • ReLU Activation Function: ReLU(Glorot et al., 2011) activation functions are adopted in feed-forward networks.
  • Tokenizer: We use the SmolLM(Allal et al., 2024)'s tokenizer with a vocabulary size of 49,152.

Training Dataset

The training dataset PhoneLM used is comprised of a filtered mixture of open-source large-scale datasets available on the HuggingFace Hub: DCLM-baseline(Li et al., 2024), StarCoder (Li et al., 2023), OpenWebMath (Paster et al., 2023) and Dolma (Soldaini et al., 2024).

Evaluation Results

ModelHellaSwagWinoGrandePIQASciQBoolQARC EasyARC ChallengeAverage
PhoneLM-0.5B54.057.973.385.160.760.431.660.43
Pythia-410M40.653.766.972.460.345.924.552.04
OPT-350M36.852.364.368.557.640.123.749.04
BLOOM-560M36.951.765.071.753.341.823.749.16
MobiLlama-500M51.153.470.976.455.746.026.654.30
OpenELM-450M54.058.072.379.455.848.127.656.46
SmolLM-360M53.556.871.584.255.463.836.060.17
Qwen 1.5-500M49.255.769.582.549.552.329.455.44
Cerebras-GPT-590M32.349.862.868.259.241.223.548.14

License

  • This repository is released under the Apache-2.0 License.

Citation

@misc{yi2024phonelmanefficientcapablesmall,
      title={PhoneLM:an Efficient and Capable Small Language Model Family through Principled Pre-training}, 
      author={Rongjie Yi and Xiang Li and Weikai Xie and Zhenyan Lu and Chenghua Wang and Ao Zhou and Shangguang Wang and Xiwen Zhang and Mengwei Xu},
      year={2024},
      eprint={2411.05046},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2411.05046}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
PhoneLMForCausalLM
Ревизия весов
42177d5

0 моделей