Llama 7b Hf

🚀 LLaMAモデル

2023年4月8日に、gitヘッドのTransformers/HuggingFaceで動作するように変換されたLLaMA-7B。このバージョンではEOSトークンの問題が解決されています。

🚀 クイックスタート

2023年4月8日に、LLaMA-7BはgitヘッドのTransformers/HuggingFaceで動作するように変換されました。このバージョンではEOSトークンの問題が解決されています。

これは特別なライセンスの下にあり、詳細についてはLICENSEファイルを参照してください。

このリポジトリには、LLaMA-7bモデルの重みが含まれています。このモデルは非商用ライセンスの下にあります（LICENSEファイルを参照）。 このフォームに記入してモデルへのアクセスを許可されたが、重みのコピーを失ったか、Transformers形式に変換する際に問題が発生した場合のみ、このリポジトリを使用してください。

📚 ドキュメント

モデルの詳細

想定される使用方法

主な想定使用目的

LLaMAの主な使用目的は、大規模言語モデルに関する研究です。具体的には以下のようなことが含まれます。

• 質問応答、自然言語理解、読解などの潜在的なアプリケーションの探索
• 現在の言語モデルの能力と限界の理解、およびそれらを改善するための技術の開発
• バイアス、リスク、有害な内容の生成、幻覚の評価と軽減

主な想定ユーザー

このモデルの主な想定ユーザーは、自然言語処理、機械学習、人工知能の研究者です。

想定外の使用例

LLaMAはベースまたは基礎モデルです。そのため、リスク評価と軽減を行わずに下流のアプリケーションで使用すべきではありません。特に、このモデルは人間のフィードバックで訓練されていないため、有害または不快な内容、誤った情報、または一般的に役に立たない回答を生成する可能性があります。

要因

関連する要因

モデルの性能が異なる可能性がある最も関連する要因の1つは、使用する言語です。訓練データには20の言語が含まれていますが、データセットの大部分は英語のテキストで構成されているため、モデルは英語で他の言語よりも良好な性能を発揮すると予想されます。関連して、以前の研究では、異なる方言で性能が異なる可能性があることが示されており、このモデルにも同様のことが当てはまると予想されます。

評価要因

このモデルはWebからのデータで訓練されているため、このソースからのバイアスを反映していると予想されます。そのため、RAIデータセットで、性別、宗教、人種、性的指向、年齢、国籍、障害、容貌、社会経済的地位に関するモデルのバイアスを測定しました。また、モデルにプロンプトを与えるために使用されるコンテキストの毒性に応じて、モデルの生成内容の毒性も測定しました。

指標

モデル性能の測定

モデルを評価するために以下の指標を使用します。

• 常識推論、読解、自然言語理解（MMLU）、BIG-bench hard、WinoGender、CrowS-Pairsの正解率
• 質問応答の完全一致率
• RealToxicityPromptsにおけるPerspective APIからの毒性スコア

決定閾値

該当なし。

不確実性と変動性へのアプローチ

大規模言語モデルの訓練には高い計算リソースが必要なため、各サイズのモデルを1つだけ訓練したため、事前訓練の変動性を評価することができませんでした。

評価データセット

モデルは以下のベンチマークで評価されました。BoolQ、PIQA、SIQA、HellaSwag、WinoGrande、ARC、OpenBookQA、NaturalQuestions、TriviaQA、RACE、MMLU、BIG-bench hard、GSM8k、RealToxicityPrompts、WinoGender、CrowS-Pairs。

訓練データセット

モデルは以下のデータソースを使用して訓練されました。CCNet [67%]、C4 [15%]、GitHub [4.5%]、Wikipedia [4.5%]、Books [4.5%]、ArXiv [2.5%]、Stack Exchange [2%]。WikipediaとBooksのドメインには、bg、ca、cs、da、de、en、es、fr、hr、hu、it、nl、pl、pt、ro、ru、sl、sr、sv、ukの言語のデータが含まれています。訓練セットと対応する前処理の詳細については、論文を参照してください。

定量分析

モデルアーキテクチャのハイパーパラメータ

表1 - LLaMAモデルのハイパーパラメータの概要

以下の表に、8つの標準的な常識推論ベンチマークでの結果を示します。

表2 - LLaMAモデルの推論タスクでの性能の概要

以下の表に、バイアスに関する結果を示します。なお、値が低いほどバイアスが少ないことを示します。

表3 - モデル出力のバイアスの概要

倫理的考慮事項

データ

モデルの訓練に使用されるデータは、主にWebからの様々なソースから収集されています。そのため、不快な、有害な、バイアスのある内容が含まれています。したがって、モデルは訓練データからのバイアスを示すと予想されます。

人間の生活

このモデルは、人間の生活に関する重要な決定を下すための情報提供を目的としておらず、そのような方法で使用すべきではありません。

軽減策

Webからのデータは、Wikipediaのテキストと参照文献への近接性に基づいてフィルタリングされました。このために、Kneser-Ney言語モデルとfastText線形分類器を使用しました。

リスクと害

大規模言語モデルのリスクと害には、有害な、不快な、またはバイアスのある内容の生成が含まれます。これらのモデルは、誤った情報を生成する傾向があり、時には幻覚と呼ばれることもあります。このモデルも例外ではないと予想されます。

使用例

LLaMAは基礎モデルであり、そのため、リスクのさらなる調査と軽減なしに下流のアプリケーションで使用すべきではありません。これらのリスクと潜在的な問題のある使用例には、誤情報の生成、有害な、バイアスのある、または不快な内容の生成などが含まれますが、これらに限定されません。

📄 ライセンス

このモデルは非商用の独自ライセンスの下にあります。詳細についてはLICENSEファイルを参照してください。