Mallam 1.1B 4096

🚀 MaLLaM 🌙 1.1B（马来西亚大语言模型）

MaLLaM 1.1B 是基于马来西亚文本进行预训练的大语言模型，拥有 1.1B 参数和 4096 的上下文长度。它采用 Mistral 架构，在 900 亿马来西亚文本标记上从头开始进行预训练。

🚀 快速开始

本模型基于 Mistral 架构，在 900 亿马来西亚文本标记上从头开始预训练了 1.1B 参数。

• 训练数据来自 900 亿标记，数据收集于 此处。
• 使用 Ray 集群在 5 个节点（每个节点配备 4 个 A100 80GB GPU）上进行训练，相关配置可参考 这里。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig
import torch

TORCH_DTYPE = 'bfloat16'
nf4_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type='nf4',
    bnb_4bit_use_double_quant=True,
    bnb_4bit_compute_dtype=getattr(torch, TORCH_DTYPE)
)

tokenizer = AutoTokenizer.from_pretrained('mesolitica/mallam-1.1B-4096')
model = AutoModelForCausalLM.from_pretrained(
    'mesolitica/mallam-1.1B-4096',
    use_flash_attention_2 = True,
    quantization_config = nf4_config
)
prompt = '<s>nama saya'
inputs = tokenizer([prompt], return_tensors='pt', add_special_tokens=False).to('cuda')

generate_kwargs = dict(
    inputs,
    max_new_tokens=512,
    top_p=0.95,
    top_k=50,
    temperature=0.9,
    do_sample=True,
    num_beams=1,
    repetition_penalty=1.05,
)
r = model.generate(**generate_kwargs)

📚 详细文档

• 更多信息请参考 README。
• WandB 项目：https://wandb.ai/mesolitica/pretrain-mistral-1.1b?workspace=user-husein-mesolitica
• WandB 报告：https://wandb.ai/mesolitica/pretrain-mistral-3b/reports/Pretrain-Larger-Malaysian-Mistral--Vmlldzo2MDkyOTgz
• 技术报告：https://github.com/mesolitica/malaya/wiki/MaLLaM-%F0%9F%8C%99-Malaysia-Large-Language-Model

🔧 技术细节

本模型采用 Mistral 架构，在 900 亿马来西亚文本标记上从头开始预训练了 1.1B 参数。训练过程使用 Ray 集群在 5 个节点（每个节点配备 4 个 A100 80GB GPU）上进行。训练数据收集于 https://github.com/malaysia-ai/dedup-text-dataset/tree/main/pretrain-llm。

📦 信息表格