/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
2,6 млрд
Архитектура
llama · dense
Опубликована
4 июл 2024

cpt-lora_st-vicuna-v1.3-2.7b-ppl

Генерация текстаТекст → текст3 профессии

Компактная версия Vicuna-v1.3 для генерации текста и ответов на инструкции, полученная сокращением слоёв и последующим дообучением.

331скачиваний за 30 дней0лайковвеса обновлены23 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

Модель Nota AI — компактная версия Vicuna-v1.3-7B, созданная сокращением глубины трансформера и дообученная для генерации текста по инструкциям. Веса представлены в архитектуре LlamaForCausalLM; модель содержит около 2,6 млрд параметров и рассчитана на контекст до 2048 токенов.

Сначала авторы удалили часть блоков Transformer по критерию PPL, затем восстановили качество продолженным предобучением на корпусе SlimPajama и выполнили LoRA-дообучение на инструкциях из Refined Alpaca. Модель подходит для экспериментов и приложений, где нужна более компактная генеративная модель с инструкционным поведением.

Лицензия некоммерческая. Сокращение модели существенно уменьшает её размер, но может ухудшать качество относительно исходной Vicuna; README не приводит отдельной количественной оценки качества именно этой версии.

Сценарии применения

  • генерация текста по запросу
  • ответы на пользовательские инструкции
  • создание черновиков и кратких текстов
  • эксперименты с компактными LLM

Ограничения

Контекст ограничен 2048 токенами, а сокращение слоёв может снижать качество по сравнению с исходной Vicuna; лицензия разрешает некоммерческое использование.

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

Shortened LLM Model Card

Shortened LLM is a depth-pruned version of large language models for efficient text generation.

Compression Method

  • After identifying unimportant Transformer blocks, we perform one-shot pruning.
  • In retraining pruned models for quality recovery, we leverage continued pretraining (CPT), which involves updating all parameters, on a large-scale pretraining corpus.
  • Once CPT is completed, the model in this card is further finetuned with low-rank adaptation (LoRA) on an instruction tuning dataset.

Models from Aggressive Pruning & CPT Retraining (arXiv-v2):

SourceModelPruningRatioPruningCriterionRetrainingMethodHF ModelsLink
Vicuna-v1.3-7B20%PPLCPTnota-ai/cpt_st-vicuna-v1.3-5.5b-ppl
Vicuna-v1.3-7B45%PPLCPTnota-ai/cpt_st-vicuna-v1.3-3.7b-ppl
Vicuna-v1.3-7B60%PPLCPTnota-ai/cpt_st-vicuna-v1.3-2.7b-ppl
Vicuna-v1.3-7B80%PPLCPTnota-ai/cpt_st-vicuna-v1.3-1.5b-ppl
Vicuna-v1.3-7B20%PPLCPT⇒LoRAnota-ai/cpt-lora_st-vicuna-v1.3-5.5b-ppl
Vicuna-v1.3-7B45%PPLCPT⇒LoRAnota-ai/cpt-lora_st-vicuna-v1.3-3.7b-ppl
Vicuna-v1.3-7B60%PPLCPT⇒LoRAnota-ai/cpt-lora_st-vicuna-v1.3-2.7b-ppl
Vicuna-v1.3-7B80%PPLCPT⇒LoRAnota-ai/cpt-lora_st-vicuna-v1.3-1.5b-ppl
  • EleutherAI/lm-evaluation-harness version 3326c54

Experimental Setup for CPT of Pruned Vicuna-7B

  • Dataset: SlimPajama-627B
  • Training using 8 NVIDIA H100 GPUs.
    • 5.5B parameters: 37B training tokens (for 6 days)
    • 3.7B parameters: 74B tokens (for 8 days)
    • 2.7B parameters: 150B tokens (for 12 days)
    • 1.5B parameters: 271B tokens (for 11 days)
  • AdamW optimizer with (β1, β2)=(0.9, 0.95); a learning rate of 0.0001; a weight decay of 0.1.
  • Global batch size: 512 (micro-batch size of 2 × 32 gradient accumulation steps × 8 GPUs).

Zero-shot performance over the course of training for models from Vicuna-7B-v1.3 at different pruning ratios. For each model size, the CPT duration was limited to a two-week period, but additional training could further improve the quality.

Experimental Setup for LoRA Instruction Tuning

  • Dataset: Refined Alpaca
  • Training using 1 NVIDIA A100 GPU.
    • The retraining costs are low, with the entire process being executed on a single GPU.
    • For example, LoRA retraining of a 20%-pruned model from 7B parameters requires about 2 hours and 22GB VRAM.
  • A LoRA rank of 8; AdamW optimizer with a learning rate of 0.0001.
  • A batch size of 64 over 2 epochs.

Models from Moderate Pruning & LoRA Retraining (arXiv-v1):

SourceModelPruningRatioPruningCriterionHF ModelsLink
LLaMA-1-7B20%PPLnota-ai/st-llama-1-5.5b-ppl
LLaMA-1-7B20%Taylor+nota-ai/st-llama-1-5.5b-taylor
Vicuna-v1.3-7B20%PPLnota-ai/st-vicuna-v1.3-5.5b-ppl
Vicuna-v1.3-7B20%Taylor+nota-ai/st-vicuna-v1.3-5.5b-taylor
Vicuna-v1.3-13B21%PPLnota-ai/st-vicuna-v1.3-10.5b-ppl
Vicuna-v1.3-13B21%Taylor+nota-ai/st-vicuna-v1.3-10.5b-taylor
  • EleutherAI/lm-evaluation-harness version 3326c54

License

  • All rights related to this repository and the compressed models are reserved by Nota Inc.
  • The intended use is strictly limited to research and non-commercial projects.

Acknowledgments

Citation

@article{kim2024shortened,
  title={Shortened LLaMA: Depth Pruning for Large Language Models with Comparison of Retraining Methods},
  author={Kim, Bo-Kyeong and Kim, Geonmin and Kim, Tae-Ho and Castells, Thibault and Choi, Shinkook and Shin, Junho and Song, Hyoung-Kyu},
  journal={arXiv preprint arXiv:2402.02834},      
  year={2024},
  url={https://arxiv.org/abs/2402.02834}
}
@article{kim2024mefomo,
  title={Shortened LLaMA: A Simple Depth Pruning for Large Language Models},
  author={Kim, Bo-Kyeong and Kim, Geonmin and Kim, Tae-Ho and Castells, Thibault and Choi, Shinkook and Shin, Junho and Song, Hyoung-Kyu},
  journal={ICLR Workshop on Mathematical and Empirical Understanding of Foundation Models (ME-FoMo)},
  year={2024},
  url={https://openreview.net/forum?id=18VGxuOdpu}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
7fa8a06

0 моделей