/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Архитектура
lckv-llama · dense
Библиотека
transformers
Опубликована
30 июл 2024

tinyllama-lckv-w2-ft-100b

Генерация текстаТекст → текст

Исследовательская LCKV-Llama на 1 млрд параметров генерирует английский текст, используя сокращённый KV-кэш для более экономичного инференса.

114скачиваний за 30 дней0лайковвеса обновлены2 дек 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

whynlp/tinyllama-lckv-w2-ft-100b — исследовательская авторегрессионная языковая модель семейства LCKV-Llama, разработанная авторами работы о Layer-Condensed KV Cache. Она предназначена для генерации текста с уменьшенными затратами памяти и вычислений при инференсе: запросы всех слоёв используют ключи и значения только верхнего слоя. В модели два прогревочных слоя; для KV-кэша требуется 3/22 объёма стандартного TinyLlama. Модель содержит около 1 млрд параметров и рассчитана на контекст до 2048 токенов.

Модель инициализирована из контрольной точки TinyLlama 2.5T, затем продолжала предобучение на 100 млрд токенов датасета SlimPajama. Изменённая структура не наследует показатели TinyLlama, но ускоряет обучение по сравнению с обучением с нуля. Карточка приводит результаты оценки на perplexity и задачах здравого смысла. Поддерживаемый язык карточки — английский. Для загрузки указана библиотека Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с экономией памяти при инференсе языковых моделей
  • сравнение LCKV-архитектуры с обычными декодерами Transformer

Ограничения

Модель имеет контекст 2048 токенов и экспериментальные показатели, которые не наследуют качество исходной TinyLlama. Лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LCKV

This is a research-purpose pretrained model described in paper "Layer-Condensed KV Cache for Efficient Inference of Large Language Models".

About

Layer-Condensed KV Cache (LCKV) is a variant of transformer decoders in which queries of all layers are paired with keys and values of just the top layer. It reduces the memory and computation cost, reduces the number of parameters, significantly improves the inference throughput with comparable or better task performance. See more details in our github repo: https://github.com/whyNLP/LCKV

Quick Start

# Use a pipeline as a high-level helper
from transformers import pipeline
pipe = pipeline("text-generation", model="whynlp/tinyllama-lckv-w2-ft-100b", trust_remote_code=True)

# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("whynlp/tinyllama-lckv-w2-ft-100b", trust_remote_code=True)

Sample text generation script:

# This is consistent with the `run_generation.py` script in the github repo: https://github.com/whyNLP/LCKV
import torch
from accelerate.utils import set_seed

from transformers import pipeline


set_seed(42)

pipe = pipeline(
    "text-generation",
    model="whynlp/tinyllama-lckv-w2-ft-100b",
    torch_dtype=torch.bfloat16,
    device="cuda",
    trust_remote_code=True,
    model_kwargs={"attn_implementation": "flash_attention_2"},
)

response = pipe(
    "the meaning of life is",
    add_special_tokens=False,
    max_new_tokens=50,
    temperature=1.0,
    top_k=0,
    top_p=0.9,
    repetition_penalty=1.0,
    do_sample=True,
)

print(response[0]["generated_text"])
# the meaning of life is the tension that this presence gives rise to each moment of the thought to let live out the moment of my appearance. For Sarkar, sense is what has also forgotten: It is forgets.
# On kiu3/ this is and

The LCKV Collection

The model has 2 warmup layers. i.e. 3/22 KV cache of a standard TinyLlama.

This model was first initialized from the TinyLlama 2.5T checkpoint, then continued pre-training on 100B tokens from SlimPajama.

Since the model structure has been changed, the initialization cannot inherit the performance of the TinyLlama checkpoint, but it effectively boosts the training process compared to pre-training from scratch.

The evaluation follows that of TinyLlama. Refer to our paper for more details.

ModelPaper SectionDev ppl.Common-sense Reasoning
whynlp/tinyllama-lckv-w10-ft-250b--7.93950.86
whynlp/tinyllama-lckv-w2-ft-100bAppendix C.1, Table 7 (line 5)8.51449.55
whynlp/tinyllama-lckv-w10-100bSection 3.2, Table 2 (line 3)9.26546.84
whynlp/tinyllama-lckv-w2-100bSection 3.2, Table 2 (line 2)9.74645.45

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
LCKVLlamaForCausalLM
Ревизия весов
bd5aba4

0 моделей