/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Архитектура
llama · dense
Опубликована
22 июл 2024

apar-7b

Генерация текстаТекст → текст3 профессии

APAR-7B — дообученная Llama-модель для ускоренной параллельной авторегрессионной генерации текста при обслуживании LLM.

180скачиваний за 30 дней2лайкавеса обновлены22 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

APAR-7B — языковая модель на архитектуре Llama с 6,6 млрд параметров, разработанная авторами метода APAR. Это дообученная на общедоменных данных с иерархической структурой модель, способная планировать генерацию и выполнять авторегрессионное декодирование параллельно. Она предназначена для ускорения генерации текста при обслуживании LLM: APAR обеспечивает ускорение до 2 раз, а в сочетании со спекулятивным декодированием — до 4 раз; также заявлены снижение расхода KV-кэша и вычислений внимания, рост пропускной способности и уменьшение задержки в сценариях высокой нагрузки.

Модель принимает текст и генерирует текст, её контекст составляет 2048 токенов. В README нет сведений о лицензии, поэтому условия использования определить нельзя.

Сценарии применения

  • ускорение генерации текста в сервисе LLM
  • снижение задержки ответов языковой модели при высокой нагрузке
  • увеличение пропускной способности сервера генерации
  • сокращение расхода KV-кэша при декодировании
  • эксперименты с параллельным авторегрессионным декодированием

Ограничения

Контекст ограничен 2048 токенами. README не сообщает лицензию и не приводит результатов вне заявленных сценариев высокой нагрузки.

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

APAR-7B

The massive adoption of large language models (LLMs) demands efficient deployment strategies. However, the auto-regressive decoding process, which is fundamental to how most LLMs generate text, poses challenges to achieve efficient serving. In this work, we introduce a parallel auto-regressive generation method. By instruct-tuning on general domain data that contains hierarchical structures, we enable LLMs to independently plan their generation process and perform auto-parallel auto-regressive (APAR) generation, significantly reducing the number of generation steps. APAR alone can achieve up to 2x speed-up, and when combined with speculative decoding, the speed-up can reach up to 4x. In addition, APAR reduces the key-value cache consumption and attention computation during generation. This leads to a throughput increase of 20-70% and a latency reduce of 20-35% in high-throughput scenarios, compared to state-of-the-art serving frameworks.

See our paper and Github repo for details about the APAR-7B model.

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
0ff9e00

0 моделей