M2 Bert 80M 32k Retrieval

🚀 Monarch Mixer-BERT

Monarch Mixer-BERTは、M2-BERTの80Mチェックポイントで、シーケンス長32768で事前学習され、長文脈検索用にファインチューニングされています。

🚀 クイックスタート

このモデルについて詳しくは、論文 Monarch Mixer: A Simple Sub-Quadratic GEMM-Based Architecture と、長シーケンスの学習方法に関するブログ記事を参照してください。このモデルは、Jon Saad-Falcon、Dan Fu、Simran Aroraによって学習されました。モデルのダウンロードとファインチューニングの手順については、GitHub をチェックしてください。

💻 使用例

基本的な使用法

Hugging Faceの AutoModel を使用してこのモデルをロードすることができます。

from transformers import AutoModelForSequenceClassification
model = AutoModelForSequenceClassification.from_pretrained(
  "togethercomputer/m2-bert-80M-32k-retrieval",
  trust_remote_code=True
)

FlashFFTConvに関する未使用パラメータについての大きなエラーメッセージが表示されることが予想されます。FlashFFTConvでモデルをロードする場合は、GitHub を参照してください。

高度な使用法

このモデルは検索用の埋め込みを生成します。埋め込みの次元数は768です。

from transformers import AutoTokenizer, AutoModelForSequenceClassification

max_seq_length = 32768
testing_string = "Every morning, I make a cup of coffee to start my day."
model = AutoModelForSequenceClassification.from_pretrained(
  "togethercomputer/m2-bert-80M-32k-retrieval",
  trust_remote_code=True
)

tokenizer = AutoTokenizer.from_pretrained(
  "bert-base-uncased",
  model_max_length=max_seq_length
)
input_ids = tokenizer(
  [testing_string],
  return_tensors="pt",
  padding="max_length",
  return_token_type_ids=False,
  truncation=True,
  max_length=max_seq_length
)

outputs = model(**input_ids)
embeddings = outputs['sentence_embedding']

また、Together APIを使用してこのモデルから埋め込みを取得することもできます（APIキーはここから取得できます）。

import os
import requests

def generate_together_embeddings(text: str, model_api_string: str, api_key: str):
    url = "https://api.together.xyz/api/v1/embeddings"
    headers = {
        "accept": "application/json",
        "content-type": "application/json",
        "Authorization": f"Bearer {api_key}"
    }
    session = requests.Session()
    response = session.post(
        url,
        headers=headers,
        json={
            "input": text,
            "model": model_api_string
        }
    )
    if response.status_code != 200:
        raise ValueError(f"Request failed with status code {response.status_code}: {response.text}")
    return response.json()['data'][0]['embedding']

print(generate_together_embeddings(
  'Hello world',
  'togethercomputer/m2-bert-80M-32k-retrieval',
  os.environ['TOGETHER_API_KEY'])[:10]
)

📄 謝辞

Alycia LeeがAutoModelのサポートに協力してくれました。

📚 引用

このモデルを使用した場合、または当社の研究が役立った場合は、以下のように引用してください。

@inproceedings{fu2023monarch,
  title={Monarch Mixer: A Simple Sub-Quadratic GEMM-Based Architecture},
  author={Fu, Daniel Y and Arora, Simran and Grogan, Jessica and Johnson, Isys and Eyuboglu, Sabri and Thomas, Armin W and Spector, Benjamin and Poli, Michael and Rudra, Atri and R{\'e}, Christopher},
  booktitle={Advances in Neural Information Processing Systems},
  year={2023}
}