/ Модель

Характеристики

Контекст
256 токенов
Параметры
50,1 млн
Лицензия
Не указана
Архитектура
llama · dense
Опубликована
29 июл 2023

baby-llama-58m

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель семейства LLaMA для генерации текста и экспериментов в рамках конкурса BabyLM.

852скачиваний за 30 дней11лайковвеса обновлены23 окт 2023

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

Baby Llama — компактная языковая модель, представленная как работа для трека strict-small конкурса BabyLM. По README, модель дистиллирована из ансамбля LLaMA-360M и GPT2-705M, обученных на наборе babylm_10M. Метаданные указывают архитектуру LLaMA с плотной причинной языковой моделью и 50,1 млн параметров; README округляет размер до 58 млн. Модель предназначена для генерации текста и изучения того, как небольшие модели усваивают язык на ограниченных обучающих данных.

Она принимает и генерирует текст, поддерживает английский язык, а длина контекста составляет 256 токенов. Репозиторий содержит веса PyTorch и safetensors. Лицензия в метаданных обозначена как неизвестная, поэтому условия использования по доступным данным установить нельзя.

Сценарии применения

  • генерация коротких продолжений текста на английском языке
  • эксперименты с языковыми моделями малого размера
  • изучение усвоения языка на ограниченном корпусе
  • воспроизведение экспериментов конкурса BabyLM

Ограничения

Контекст ограничен 256 токенами, а компактный размер и специальный обучающий корпус ограничивают пригодность модели для широких прикладных задач. Условия лицензии по доступным метаданным не определены.

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

Baby Llama

Our submission to the strict-small track of the BabyLM challenge.

Baby Llama is a 58M-parameter model, distilled from an ensemble consisting of LLaMA-360M and GPT2-705M, both trained on the babylm_10M dataset.

See the associated paper for a detailed discussion of the training procedure and of the model performance. The training code is available at https://github.com/timinar/BabyLlama.

Hyperparameters for the tasks that require fine-tuning

When evaluating the model on the tasks that require fine-tuning, we noticed that the default hyperparameters suggested by the BabyLM organizers lead to severe overfitting in a number of tasks. To avoid this issue, we have re-tuned those hyperparameters. The sets of hyperparameters selected for each task are listed in the table below.

TaskMaximum learning rateBatch sizeMaximum epochsPatienceEvaluate every (steps)Random seed
CoLA4e-5643102012
SST-25e-56461020012
MRPC3e-5643102012
QQP4e-5641010100012
MNLI5e-56461020012
MNLI-mm5e-56461020012
QNLI5e-56461020012
RTE5e-56461020012
BoolQ3e-41610101012
MultiRC1e-464710100042
WSC5e-71101000200012
CR (Control)5e-564101010012
LC (Control)1e-364121012
MV (Control)5e-56461020012
RP (Control)1e-3641101012
SC (Control)1e-3642101012
CR_LC1e-3642101012
CR_RTP5e-56461020012
MV_LC5e-56461020012
MV_RTP5e-56461020012
SC_LC1e-3642101012
SC_RP1e-3642101012

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
f697871

0 моделей