/ Модель

Характеристики

Контекст
28 723 токена
Параметры
2,2 млрд
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
24 дек 2024

YuLan-Mini

Генерация текстаТекст → текст4 профессии

Производная модели diskrot/YuLan-Mini-diskrot. Базовая языковая модель YuLan-Mini на 2,2 млрд параметров для генерации текста, с акцентом на математику и программирование и возможностью дальнейшего дообучения.

244скачиваний за 30 дней39лайковвеса обновлены27 мар 2025

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

Карточка модели yulan-team/YuLan-Mini на Hugging Face совпадает с карточкой diskrot/YuLan-Mini-diskrot, поэтому описание составлено по ней.

YuLan-Mini — базовая предварительно обученная языковая модель, разработанная командой AI Box Народного университета Китая. Это плотная авторегрессионная модель семейства Llama с 2,2 млрд параметров и контекстом до 28 723 токенов; веса опубликованы в формате Safetensors. Модель обучали на 1,08 трлн токенов, уделяя особое внимание математике и программированию.

Модель предназначена для генерации текста и продолжения заданного фрагмента, а также для экспериментов и дальнейшего дообучения. Она не прошла настройку для следования инструкциям, поэтому не рассчитана на диалог в формате ассистента без дополнительного обучения или подходящего промпта. В карточке перечислены английский и китайский языки.

Модель доступна по лицензии MIT. Заявленные сильные стороны — математические и кодовые задачи, эффективное предварительное обучение и длинный контекст. Результаты бенчмарков в README приведены для семейства моделей в сравнительной таблице, поэтому их нельзя однозначно приписать этой версии без дополнительных данных.

Сценарии применения

  • продолжение текста на английском и китайском
  • генерация фрагментов кода
  • получение кандидатов на решение математических задач
  • эксперименты с предварительным обучением языковых моделей
  • дообучение собственной модели с инструкциями

Ограничения

Модель не настроена для следования инструкциям, поэтому может не отвечать на запросы как диалоговый ассистент. Заявленные в README результаты бенчмарков нельзя однозначно отнести к этой конкретной версии.

Для каких профессий подходит4

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

Important Notice: This is a pre-trained base model without instruction-following capabilities.

YuLan-Mini is a lightweight language model with 2.4 billion parameters. It achieves performance comparable to industry-leading models trained on significantly more data, despite being pre-trained on only 1.08T tokens. The model excels particularly in the domains of mathematics and code. To facilitate reproducibility, we will open-source the relevant pre-training resources.


Model Downloads 🔗

ModelContext LengthSFTDPO🤗 Hugging FaceModelScopeWise Model
YuLan-Mini28K❎❎BaseBaseBase
YuLan-Mini-Instruct28K✅✅Instruct

Features 🌟

Our pre-training methodology improves training efficiency through three key innovations:

  1. an elaborately designed data pipeline that combines data cleaning with data schedule strategies;
  2. a systematic optimization method that can effectively mitigate training instability;
  3. an effective annealing approach that integrate targeted data selection and long context training.

Behchmarks 🌟

ModelsModel Size# Train TokensContext LengthMATH 500GSM 8KHuman EvalMBPPRACE MiddleRACE HighRULER
MiniCPM2.6B1.06T4K15.0053.8350.00*47.3156.6144.27N/A
Qwen-21.5B7T128K22.6046.90*34.80*46.90*55.7743.6960.16
Qwen2.50.5B18T128K23.6041.60*30.50*39.30*52.3640.3149.23
Qwen2.51.5B18T128K45.4068.50*37.20*60.20*58.7744.3368.26
Gemma22.6B2T8K18.30*30.30*19.50*42.10*--N/A
StableLM21.7B2T4K-20.628.50*17.5056.3345.06N/A
SmolLM21.7B11T8K11.80-23.3545.0055.7743.06N/A
Llama3.23.2B9T128K7.40-29.3049.7055.2943.3477.06
YuLan-Mini2.4B1.04T4K32.6066.6561.6066.7055.7143.58N/A
YuLan-Mini2.4B1.08T28K37.8068.4664.0065.9057.1844.5751.48
ModelsLAMBADAMMLUCMMLUCEvalHellaSwagWinoGrandeStoryClozeARC-eARC-c
MiniCPM-2.6B61.9153.3748.9748.2467.9265.7478.5155.5143.86
Qwen2-1.5B64.6855.9070.7671.9466.1166.1477.6062.2142.92
Qwen2.5-0.5B52.0047.5052.1754.2750.5455.8871.6756.1039.51
Qwen2.5-1.5B62.1260.7167.8269.0567.1864.4876.8071.5153.41
Gemma2-2.6B-52.20*-28.00*74.60*71.50*--55.70*
StableLM2-1.7B66.1540.3729.2926.9969.7964.6478.5654.0040.78
SmolLM2-1.7B67.4251.9133.4635.1072.9667.4079.3244.8235.49
Llama3.2-3B69.0863.4044.4444.4975.6267.4876.8070.1248.81
YuLan-Mini64.7251.7948.3551.4768.6567.0976.3769.8750.51
YuLan-Mini65.6749.1045.4548.2367.2267.2475.8967.4749.32

Pre-Training Resources 🔧

To enhance research transparency and reproducibility, we are open-sourcing relevant pre-training resources:

The pre-training and evaluation code will be released in a future update.

*: For easier inference and deployment, we merged the re-parameterized added parameters and scaling factors into the final released models (YuLan-Mini and YuLan-Mini-Intermediate-4K), enabling it to run on the Llama architecture. However, these parameters are still retained in the intermediate checkpoints from the training process.

YuLan-Mini-Before-Annealing

Used-Datasets-List

Data cleaning and synthesis pipeline:

The synthetic data we are using is released in YuLan-Mini-Datasets

What you can do with these pre-training resources

  1. Pre-train your own LLM. You can use our data and curriculum to train a model that's just as powerful as YuLan-Mini.
  2. Perform your own learning rate annealing. During the annealing phase, YuLan-Mini's learning ability is at its peak. You can resume training from the checkpoint before annealing and use your own dataset for learning rate annealing.
  3. Fine-tune the Instruct version of the LLM. You can use the YuLan-Mini base model to train your own Instruct version.
  4. Training dynamics research. You can use YuLan-Mini's intermediate checkpoints to explore internal changes during the pre-training process.
  5. Synthesize your own data. You can use YuLan-Mini's data pipeline to clean and generate your own dataset.

Quick Start 💻

Below is a simple example for inference using Huggingface:

Huggingface Inference Example

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

# Load model and tokenizer
tokenizer = AutoTokenizer.from_pretrained("yulan-team/YuLan-Mini")
model = AutoModelForCausalLM.from_pretrained("yulan-team/YuLan-Mini", torch_dtype=torch.bfloat16)

# Input text
input_text = "Renmin University of China is"
inputs = tokenizer(input_text, return_tensors="pt")

# Completion
output = model.generate(inputs["input_ids"], max_new_tokens=100)
print(tokenizer.decode(output[0], skip_special_tokens=True))

vLLM Serve Example

vllm serve yulan-team/YuLan-Mini --dtype bfloat16

SGLang Serve Example

python -m sglang.launch_server --model-path yulan-team/YuLan-Mini --port 30000 --host 0.0.0.0

The Team

YuLan-Mini is developed and maintained by AI Box, Renmin University of China.

License

  • The code in this repository is released under the MIT License.
  • Policies regarding the use of model weights, intermediate optimizer states, and training data will be announced in future updates.
  • Limitations: Despite our efforts to mitigate safety concerns and encourage the generation of ethical and lawful text, the probabilistic nature of language models may still lead to unexpected outputs. For instance, responses might contain bias, discrimination, or other harmful content. Please refrain from disseminating such content. We are not liable for any consequences arising from the spread of harmful information.

Citation

If you find YuLan-Mini helpful for your research or development, please cite our technical report:

@misc{hu2024yulanmini,
      title={YuLan-Mini: An Open Data-efficient Language Model}, 
      author={Yiwen Hu and Huatong Song and Jia Deng and Jiapeng Wang and Jie Chen and Kun Zhou and Yutao Zhu and Jinhao Jiang and Zican Dong and Wayne Xin Zhao and Ji-Rong Wen},
      year={2024},
      eprint={2412.17743},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2412.17743}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
46dde1e

0 моделей