Sqft Phi 3 Mini 4k 60 Base

🚀 SQFT Base Model: sqft-phi-3-mini-4k-60-base

SQFTベースモデルで、特定のソースモデルを基にした低コストなモデル適応を実現します。

🚀 クイックスタート

このモデルに関する詳細な情報や使用方法を以下に説明します。

✨ 主な機能

• ソースモデル: microsoft/Phi-3-mini-4k-instruct を使用しています。
• スパース化手法: Wanda を用いたスパース化を行っています。
• スパース率: 60% です。
• 量子化: 量子化は行っていません。

📚 ドキュメント

モデルソース

• リポジトリ: https://github.com/IntelLabs/Hardware-Aware-Automated-Machine-Learning/tree/main/SQFT
• 論文:
  • SQFT: Low-cost Model Adaptation in Low-precision Sparse Foundation Models
  • Low-Rank Adapters Meet Neural Architecture Search for LLM Compression

このモデルの取得方法

SQFT/run_command/phi-3-mini-4k-instruct/sparse_quantization.sh#11 のコマンドを参照してください。

引用方法

@inproceedings{munoz-etal-2024-sqft,
    title = "{SQFT}: Low-cost Model Adaptation in Low-precision Sparse Foundation Models",
    author = "Munoz, Juan Pablo  and
      Yuan, Jinjie  and
      Jain, Nilesh",
    editor = "Al-Onaizan, Yaser  and
      Bansal, Mohit  and
      Chen, Yun-Nung",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2024",
    month = nov,
    year = "2024",
    address = "Miami, Florida, USA",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.findings-emnlp.749",
    pages = "12817--12832",
}

謝辞

Wandaの研究成果 (論文, コード) を参考にしています。彼らのシンプルで効果的なプルーニング手法に感謝します。

📄 ライセンス

Apache-2.0ライセンスの下で提供されています。