Falcon E 3B Instruct

🚀 トランスフォーマー

このライブラリは、BitNetやFalcon - Eなどの技術を用いた自然言語処理モデルを提供します。Falcon - Eシリーズのモデルは、低メモリ使用量で高い性能を発揮し、推論やファインチューニングに便利です。

🚀 クイックスタート

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ライブラリを利用できます。目的に応じて、モデルとのやり取り方法は複数あります。

✨ 主な機能

• 低メモリ使用量：Falcon - Eシリーズのモデルは、少ないメモリで高い性能を発揮します。
• 複数のバリアント：各Falcon - Eシリーズモデルには、BitNetモデル、ファインチューニング用の事前量子化チェックポイント、bfloat16バージョンのBitNetモデルの3つのバリアントがあります。

📦 インストール

BitNetを使用する場合

git clone https://github.com/microsoft/BitNet && cd BitNet
pip install -r requirements.txt
python setup_env.py --hf-repo tiiuae/Falcon-E-3B-Instruct -q i2_s

💻 使用例

基本的な使用法

transformersを使用した推論

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-E-3B-Instruct"

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

# Perform text generation

BitNetを使用した推論

python run_inference.py -m models/Falcon-E-3B-Instruct/ggml-model-i2_s.gguf -p "You are a helpful assistant" -cnv

高度な使用法

ファインチューニング

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-3B-Instruct"

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

評価結果は、以前のHugging Faceリーダーボードv2タスクからの正規化されたスコアです。

以下は、命令によるファインチューニングを行ったモデルの結果です。

有用なリンク

• リリースブログ記事を確認する。
• onebitllmsライブラリについて詳しく学ぶ。
• 質問がある場合や研究者や開発者と交流したい場合は、ディスコードサーバーに参加してください。

📄 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シリーズの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}
}