Falcon E 1B Base

🚀 transformers

このライブラリは、Falcon-Eシリーズのモデルを利用した自然言語処理タスクをサポートします。Falcon-Eモデルは、低メモリ使用量で高い性能を発揮します。

🚀 クイックスタート

このセクションでは、Falcon-Eモデルの基本的な使い方を説明します。

✨ 主な機能

• 低メモリ使用量：Falcon-Eモデルは、少ないメモリで高い性能を発揮します。
• 多様なバリエーション：BitNetモデル、事前量子化チェックポイント、bfloat16バージョンなど、様々なバリエーションがあります。
• 微調整可能：onebitllmsライブラリを使用して、モデルを微調整することができます。

📦 インストール

このモデルを使用するには、Hugging FaceのtransformersライブラリまたはBitNetライブラリを使用することができます。

BitNetのインストール

git clone https://github.com/microsoft/BitNet && cd BitNet
pip install -r requirements.txt
python setup_env.py --hf-repo tiiuae/Falcon-E-1B-Base -q i2_s

💻 使用例

基本的な使用法

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-E-1B-Base"

model = AutoModelForCausalLM.from_pretrained(
  model_id,
  torch_dtype=torch.bfloat16,
).to("cuda")

# Perform text generation

高度な使用法

BitNetを使用した推論

python run_inference.py -m models/Falcon-E-1B-Base/ggml-model-i2_s.gguf -p "You are a helpful assistant" -cnv

モデルの微調整

import torch

from transformers import AutoModelForCausalLM, AutoTokenizer
from trl import SFTTrainer
+ from onebitllms import replace_linear_with_bitnet_linear, quantize_to_1bit

model_id = "tiiuae/Falcon-E-1B-Base"

tokenizer = AutoTokenizer.from_pretrained(model_id, revision="prequantized")
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
+    revision="prequantized"
)
+ model = replace_linear_with_bitnet_linear(model)

trainer = SFTTrainer(
    model,
    ...
)

trainer.train()

+ quantize_to_1bit(output_directory)

📚 ドキュメント

モデル詳細

学習詳細

このモデルの学習プロトコルの詳細については、Falcon-E技術ブログ記事を参照してください。

評価

以下の表に、内部パイプラインのベンチマーク結果を示します。

注: 評価結果は、以前のHugging Faceリーダーボードv2タスクの正規化スコアです。

以下は、命令微調整済みモデルの結果です。

有用なリンク

• リリースブログ記事を参照してください。
• onebitllmsライブラリについて詳しく学ぶことができます。
• 質問がある場合や、研究者や開発者と交流したい場合は、Discordサーバーに参加してください。

🔧 技術詳細

このモデルの技術的な詳細については、Falcon-E技術ブログ記事を参照してください。

📄 ライセンス

このモデルは、Falcon-LLM Licenseの下で提供されています。

📄 引用

Falcon-Eモデルがあなたの研究に役立った場合は、以下のように引用してください。

@misc{tiionebitllms,
    title = {Falcon-E, a series of powerful, universal and fine-tunable 1.58bit language models.},
    author = {Falcon-LLM Team},
    month = {April},
    url = {https://falcon-lm.github.io/blog/falcon-edge},
    year = {2025}
}