/ Модель

Характеристики

Контекст
1 024 токена
Параметры
327 млн
Лицензия
OpenRAIL
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
3 июл 2024

mini-mistral-360M-wikipedia-20231101.en-science-sci-fi-OpenHermes-2.5-chatML-Grokfast

Генерация текстаТекст → текст3 профессии

Экспериментальная компактная модель Mistral для генерации текста и изучения влияния алгоритма Grokfast на обучение.

282скачиваний за 30 дней1лайквеса обновлены3 июл 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

Это экспериментальная языковая модель семейства Mistral, разработанная автором репозитория neoncortex. Модель содержит 326,9 млн параметров по метаданным (в README размер округлён до 360 млн) и обучалась один проход на статьях Википедии и наборе OpenHermes-2.5 с применением алгоритма Grokfast.

Модель предназначена для экспериментов с динамикой обучения и генерацией текста в формате causal language modeling. Её можно загружать через библиотеку Transformers. Контекст составляет 1024 токена. Карточка не заявляет поддержку конкретных естественных языков; набор данных включает англоязычную Википедию, указанную в названии репозитория.

Автор отмечает, что модель пока мало полезна для практических задач, не оптимизирована для прикладного использования, обучалась лишь одну эпоху, а точность и надёжность ответов не гарантированы. Лицензия — OpenRAIL.

Сценарии применения

  • эксперименты с обучением компактных языковых моделей
  • изучение влияния Grokfast на динамику обучения
  • генерация текста для исследовательских прототипов

Ограничения

Модель обучалась только одну эпоху и, по словам автора, пока мало полезна для практического применения; точность и надёжность ответов не гарантированы. Контекст ограничен 1024 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

mini-mistral-360M-wikipedia-20231101.en-science-sci-fi-OpenHermes-2.5-chatML-Grokfast

This repository contains the mini-mistral-360M model, a 360 million parameter version of the Mistral architecture, trained for a single epoch. The model was trained on a diverse dataset comprising Wikipedia articles and the OpenHermes dataset. While this model is still in its early stages and not particularly useful as of now, it serves as an experimental showcase of integrating the Grokfast algorithm into the training process.

Model Details

  • Architecture: Mistral
  • Parameters: 360 million
  • Training Duration: 1 epoch
  • Training Dataset: Wikipedia articles and OpenHermes dataset
  • Training Method: Grokfast-enhanced Transformers
  • Training Hardware: 2 x Nvidia RTX 3060 12GB

Purpose

The primary goal of this experiment was to observe the impact of the Grokfast algorithm on the training dynamics of a 360M parameter Mistral model. During training, it was noted that the evaluation loss followed the training loss closely, which is an intriguing behavior warranting further investigation.

Usage

To use this model, you can load it with the transformers library from HuggingFace:

from transformers import AutoModel, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("RoboApocalypse/mini-mistral-360M-wikipedia-20231101.en-science-sci-fi-OpenHermes-2.5-chatML-Grokfast")
model = AutoModel.from_pretrained("RoboApocalypse/mini-mistral-360M-wikipedia-20231101.en-science-sci-fi-OpenHermes-2.5-chatML-Grokfast")

# Example usage
input_text = "Hello, world!"
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model(**inputs)

Training Insights

This experiment was inspired by the paper "Grokfast: Accelerated Grokking by Amplifying Slow Gradients" by Jaerin Lee, Bong Gyun Kang, Kihoon Kim, and Kyoung Mu Lee, aims to accelerate the generalization of models under the grokking phenomenon. The paper is available at https://arxiv.org/abs/2405.20233

Acknowledgments

Special thanks to the YouTube channel Tunadorable for bringing the Grokfast paper to my attention in his video "Accelerated Training by Amplifying Slow Gradients". Tunadorable reads and discusses AI papers from arXiv, providing valuable insights into the latest research.

Disclaimer

This model is not optimized for practical use and should be considered experimental. It has only been trained for a single epoch, and its performance is not guaranteed to be reliable or accurate. Future iterations and more extensive training may improve its capabilities.

Contributing

If you are interested in discussing, contributing or have any suggestions, please reach out or open an issue on the repository.

License

This model is licensed under the OpenRAIL License.


Feel free to check out the model and experiment with it here. Your feedback and insights are welcome as I try and figure out wtf I'm doing.

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
09545c9

0 моделей