/ Модель

Характеристики

Контекст
8 192 токена
Параметры
16,4 млрд
Размер весов
22,2 ГБ
Лицензия
Не указана
Архитектура
falcon · dense
Опубликована
9 мая 2024

falcon-11B

Генерация текстаТекст → текст7 профессий

Falcon2-11B — предобученная языковая модель TII для генерации текста и дальнейшей адаптации под суммаризацию, диалоги и другие задачи.

5 144скачиваний за 30 дней219лайковвеса обновлены17 дек 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3261

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,271

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3986

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0279

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2389

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4392

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Falcon2-11B — плотная авторегрессионная языковая модель с декодерной архитектурой, разработанная Институтом технологических инноваций (TII). В README она описана как модель на 11 млрд параметров, обученная на более чем 5 трлн токенов RefinedWeb и отобранных корпусов; метаданные каталога указывают 16,4 млрд параметров. Архитектура включает 60 слоёв, rotary positional embeddings, multi-query attention и FlashAttention-2. Контекст — до 8192 токенов.

Модель предназначена прежде всего для исследований и как основа для дообучения под генерацию текста, суммаризацию и диалоговые сценарии. Это исходная предобученная модель, поэтому для большинства прикладных задач её рекомендуется дополнительно адаптировать. README указывает английский, немецкий, испанский, французский, итальянский, португальский, польский, нидерландский, румынский, чешский и шведский языки; обучение преимущественно ориентировано на английский. Доступна по лицензии TII Falcon License 2.0, основанной на Apache 2.0 и включающей политику допустимого использования.

Сценарии применения

  • дообучение языковой модели под прикладную задачу
  • генерация текста на английском и европейских языках
  • создание прототипа чат-бота после адаптации
  • суммаризация документов после дообучения
  • исследование и оценка больших языковых моделей

Ограничения

Модель обучена преимущественно на английском и может плохо обобщать на языки за пределами перечисленных. README рекомендует дообучение для большинства сценариев и оценку рисков, а также меры защиты перед производственным применением; модель может воспроизводить предубеждения из веб-данных.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🚀 Falcon2-11B

Falcon2-11B is an 11B parameters causal decoder-only model built by TII and trained on over 5,000B tokens of RefinedWeb enhanced with curated corpora. The model is made available under the TII Falcon License 2.0, the permissive Apache 2.0-based software license which includes an acceptable use policy that promotes the responsible use of AI.

arXiv technical report

Blog

🤗 To get started with Falcon (inference, finetuning, quantization, etc.), we recommend reading this great blogpost from HF!

⚠️ This is a raw, pretrained model, which should be further finetuned for most usecases.

from transformers import AutoTokenizer, AutoModelForCausalLM
import transformers
import torch

model = "tiiuae/falcon-11B"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    torch_dtype=torch.bfloat16,
)
sequences = pipeline(
   "Can you explain the concepts of Quantum Computing?",
    max_length=200,
    do_sample=True,
    top_k=10,
    num_return_sequences=1,
    eos_token_id=tokenizer.eos_token_id,
)
for seq in sequences:
    print(f"Result: {seq['generated_text']}")

💥 Falcon LLMs require PyTorch 2.0 for use with transformers!

For fast inference with Falcon, check-out Text Generation Inference! Read more in this [blogpost]((https://huggingface.co/blog/falcon).

Model Card for Falcon2-11B

Model Details

Model Description

  • Developed by: https://www.tii.ae
  • Model type: Causal decoder-only
  • Language(s) (NLP): English, German, Spanish, French, Italian, Portuguese, Polish, Dutch, Romanian, Czech, Swedish
  • License: TII Falcon License 2.0

Uses

Direct Use

Research on large language models; as a foundation for further specialization and finetuning for specific usecases (e.g., summarization, text generation, chatbot, etc.)

Out-of-Scope Use

Production use without adequate assessment of risks and mitigation; any use cases which may be considered irresponsible or harmful.

Bias, Risks, and Limitations

Falcon2-11B is trained mostly on English, but also German, Spanish, French, Italian, Portuguese, Polish, Dutch, Romanian, Czech, Swedish. It will not generalize appropriately to other languages. Furthermore, as it is trained on a large-scale corpora representative of the web, it will carry the stereotypes and biases commonly encountered online.

Recommendations

We recommend users of Falcon2-11B to consider finetuning it for the specific set of tasks of interest, and for guardrails and appropriate precautions to be taken for any production use.

How to Get Started with the Model

from transformers import AutoTokenizer, AutoModelForCausalLM
import transformers
import torch

model = "tiiuae/falcon-11B"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
sequences = pipeline(
   "Can you explain the concepts of Quantum Computing?",
    max_length=200,
    do_sample=True,
    top_k=10,
    num_return_sequences=1,
    eos_token_id=tokenizer.eos_token_id,
)
for seq in sequences:
    print(f"Result: {seq['generated_text']}")

Training Details

Training Data

Falcon2-11B was trained over 5,000B tokens of RefinedWeb, a high-quality filtered and deduplicated web dataset which we enhanced with curated corpora. It followed a four stage training strategy. The first three stages were focused on increasing the context length, from to 2048 to 4096 and finally to 8192 tokens. The last stage aimed to further enhance performance using only high quality data.

Overall, the data sources included RefinedWeb-English, Refined Web-Europe (cs, de, es, fr, it, nl, pl, pt, ro, sv), high quality technical data, code data, and conversational data extracted from public sources.

The training stages were as follows:

StageContext lengthTokens
Stage 120484500 B
Stage 24096250 B
Stage 38192250 B
Stage 48192500 B

The data was tokenized with the Falcon-7B/11B tokenizer.

Training Procedure

Falcon2-11B was trained on 1024 A100 40GB GPUs for the majority of the training, using a 3D parallelism strategy (TP=8, PP=1, DP=128) combined with ZeRO and Flash-Attention 2.

Training Hyperparameters

HyperparameterValueComment
Precisionbfloat16
OptimizerAdamW
Max learning rate3.7e-4Following a linear warm-up, then cosine decay to 1.89e-5 across 4500 B tokens.
Weight decay1e-1
Z-loss1e-4
Batch sizeVariableBatch size was gradually increased during the training

Speeds, Sizes, Times

The model training took roughly two months.

Evaluation

English BenchmarkValue
ARC-Challenge-25shots59.73
HellaSwag-10shots82.91
MMLU-5shots58.37
Winogrande-5shots78.30
TruthfulQA-0shot52.56
GSM8k-5shots53.83
ARC-Challenge-0shot50.17
ARC-Easy-0shot77.78
Hellaswag-0shot82.07

We thank the leaderboard team from HuggingFace for providing an official evaluation of our model on the leaderboard tasks.

Technical Specifications

Model Architecture and Objective

Falcon2-11B is a causal decoder-only model trained on a causal language modeling task (i.e., predict the next token).

The architecture is broadly adapted from the GPT-3 paper (Brown et al., 2020), with the following differences:

HyperparameterValueComment
Layers60
d_model4096
head_dim128
Vocabulary65024
Sequence length8192During stages 3 and 4

Compute Infrastructure

Hardware

Falcon2-11B was trained on AWS SageMaker, using on average 1024 A100 40GB GPUs in 128 p4d instances.

Software

Falcon2-11B was trained a custom distributed training codebase, Gigatron. It uses a 3D parallelism approach combined with ZeRO, high-performance Triton kernels and FlashAttention-2. More details about the distributed training strategy can be found in Almazrouei et.al.

Citation

Falcon2-11B Technical Report, Malartic et al. 2024

License

Falcon2-11B is licenced under TII Falcon License 2.0, the permissive Apache 2.0-based software license which includes an acceptable use policy that promotes the responsible use of AI.

Contact

falconllm@tii.ae

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
FalconForCausalLM
Ревизия весов
a4ab868

0 моделей