RWKV7 Goose World3 2.9B HF

🚀 rwkv7-2.9B-world

このモデルは、flash-linear attention形式のRWKV-7モデルです。自然言語処理タスクにおいて、高い性能を発揮することが期待されます。

🚀 クイックスタート

このモデルを使用する前に、flash-linear-attention <= 0.1.2 と最新バージョンの transformers をインストールしてください。

pip install --no-use-pep517 flash-linear-attention==0.1.2
pip install 'transformers>=4.48.0'

✨ 主な機能

• このモデルは、flash-linear attention形式のRWKV-7モデルです。
• 自然言語処理タスクにおいて、高い性能を発揮することが期待されます。

📦 インストール

このモデルを使用する前に、flash-linear-attention <= 0.1.2 と最新バージョンの transformers をインストールしてください。

pip install --no-use-pep517 flash-linear-attention==0.1.2
pip install 'transformers>=4.48.0'

💻 使用例

基本的な使用法

このモデルは、他のHuggingFaceモデルと同じように使用できます。

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained('fla-hub/rwkv7-2.9B-world', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained('fla-hub/rwkv7-2.9B-world', trust_remote_code=True)
model = model.cuda()
prompt = "What is a large language model?"
messages = [
    {"role": "user", "content": "Who are you?"},
    {"role": "assistant", "content": "I am a GPT-3 based model."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=1024,
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=False)[0]
print(response)

📚 ドキュメント

モデルの詳細

モデルの説明

• 開発者: Bo Peng, Yu Zhang, Songlin Yang, Ruichong Zhang
• 資金提供: RWKV Project (LF AI & Data Foundation配下)
• モデルタイプ: RWKV7
• 言語: 英語
• ライセンス: Apache-2.0
• パラメータ数: 29億
• トークナイザー: RWKV Worldトークナイザー
• 語彙サイズ: 65,536

モデルのソース

• リポジトリ: https://github.com/fla-org/flash-linear-attention ; https://github.com/BlinkDL/RWKV-LM
• 論文: RWKV-7 "Goose" with Expressive Dynamic State Evolution

用途

このモデルは、自然言語処理タスクに使用できます。

直接使用

このモデルは、他のHuggingFaceモデルと同じように使用できます。

学習データ

このモデルは、合計3.119兆トークンのWorld v3で学習されています。

学習ハイパーパラメータ

• 学習方式: bfloat16, lr 4e-4から1e-5の「遅延」コサイン減衰, wd 0.1 (途中でバッチサイズを増やす)
• 最終損失: 1.8745
• トークン数: 3.119兆

FAQ

Q: safetensorsのメタデータがない。

A: transformersを >=4.48.0にアップグレードしてください: pip install 'transformers>=4.48.0'

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。