Pythia 2.8b

🚀 Pythia-2.8B

“Pythia Scaling Suite”是一系列用於促進可解釋性研究的模型集合，包含不同規模的模型，在大語言模型研究方面具有重要價值。

🚀 快速開始

Pythia模型可以通過以下代碼加載和使用，這裡以第三個 pythia-70m-deduped 檢查點為例：

from transformers import GPTNeoXForCausalLM, AutoTokenizer

model = GPTNeoXForCausalLM.from_pretrained(
  "EleutherAI/pythia-70m-deduped",
  revision="step3000",
  cache_dir="./pythia-70m-deduped/step3000",
)

tokenizer = AutoTokenizer.from_pretrained(
  "EleutherAI/pythia-70m-deduped",
  revision="step3000",
  cache_dir="./pythia-70m-deduped/step3000",
)

inputs = tokenizer("Hello, I am", return_tensors="pt")
tokens = model.generate(**inputs)
tokenizer.decode(tokens[0])

修訂版/分支 step143000 與每個模型 main 分支上的模型檢查點完全對應。有關如何使用所有Pythia模型的更多信息，請參閱 GitHub上的文檔。

✨ 主要特性

• 促進研究：Pythia模型套件旨在促進大語言模型的科學研究，特別是可解釋性研究。
• 模型多樣：包含兩組八個不同大小的模型（70M、160M、410M、1B、1.4B、2.8B、6.9B和12B），每個大小有兩個模型，一個在Pile數據集上訓練，一個在全局去重後的Pile數據集上訓練。
• 檢查點豐富：每個模型提供154箇中間檢查點，託管在Hugging Face上作為分支。
• 性能出色：儘管設計目標並非以提升下游性能為中心，但模型的性能與類似規模的模型（如OPT和GPT - Neo套件中的模型）相當或更優。

📦 安裝指南

文檔未提及安裝步驟，可參考 GitHub上的文檔 獲取相關信息。

📚 詳細文檔

模型詳情

使用與限制

預期用途

• 研究用途：Pythia的主要預期用途是研究大語言模型的行為、功能和侷限性，為進行科學實驗提供可控環境。
• 微調部署：只要使用符合Apache 2.0許可證，也可對Pythia - 2.8B進行進一步微調並部署。Pythia模型可與Hugging Face的 Transformers庫 配合使用。若決定使用預訓練的Pythia - 2.8B作為微調模型的基礎，請自行進行風險和偏差評估。

非預期用途

• 不適合部署：Pythia套件並非用於部署，本身不是產品，不能用於面向人類的交互。例如，模型可能生成有害或冒犯性文本，請評估特定用例相關的風險。
• 僅支持英語：Pythia模型僅支持英語，不適合翻譯或生成其他語言的文本。
• 未針對下游場景微調：Pythia - 2.8B未針對語言模型常見的下游場景（如撰寫散文或商業聊天機器人）進行微調，因此其對給定提示的響應方式與ChatGPT等產品不同。

侷限性和偏差

• 輸出準確性：大語言模型的核心功能是根據輸入文本預測下一個標記，模型使用的標記不一定能產生最“準確”的文本，切勿依賴Pythia - 2.8B產生事實準確的輸出。
• 數據偏差：該模型在 Pile 數據集上訓練，該數據集包含褻瀆、淫穢或其他冒犯性文本。有關性別、宗教和種族的記錄偏差討論，請參閱 Pile論文的第6節。即使提示本身不包含任何明確的冒犯性內容，Pythia - 2.8B也可能生成社會不可接受或不良的文本。
• 人工審核建議：如果計劃使用通過例如託管推理API生成的文本，建議在向他人展示之前由人工對該語言模型的輸出進行審核，並告知受眾文本是由Pythia - 2.8B生成的。

訓練

訓練數據

Pile 是一個825GiB的英語通用數據集，由EleutherAI專門為訓練大語言模型而創建。它包含來自22個不同來源的文本，大致分為五類：學術寫作（如arXiv）、互聯網（如CommonCrawl）、散文（如Project Gutenberg）、對話（如YouTube字幕）和其他（如GitHub、Enron Emails）。有關所有數據源的細分、方法和倫理影響的討論，請參閱 Pile論文。有關Pile及其組成數據集的更詳細文檔，請參閱 數據表。Pile可從 官方網站 或 [社區鏡像](https://the - eye.eu/public/AI/pile/) 下載。在訓練Pythia - 2.8B之前，Pile數據集未進行去重處理。

訓練過程

• 所有模型在完全相同的數據上按相同順序進行訓練。每個模型在訓練期間處理299,892,736,000個標記，每2,097,152,000個標記保存一個檢查點，從 step1000 到 step143000（與 main 相同），共保存143個檢查點。此外，還提供頻繁的早期檢查點：step0 和 step{1,2,4...512}。這相當於非去重模型在Pile上訓練不到1個週期，去重後的Pile上訓練約1.5個週期。
• 所有 Pythia 模型以2M（2,097,152個標記）的批量大小訓練143000步。有關訓練過程的更多詳細信息，包括 [如何復現](https://github.com/EleutherAI/pythia/blob/main/README.md#reproducing - training)，請參閱 GitHub。Pythia使用與 [GPT - NeoX - 20B](https://huggingface.co/EleutherAI/gpt - neox - 20b) 相同的分詞器。

評估

所有16個 Pythia 模型均使用 [LM Evaluation Harness](https://github.com/EleutherAI/lm - evaluation - harness) 進行評估。可在 GitHub倉庫 的 results/json/* 中按模型和步驟訪問評估結果。展開以下部分，查看所有Pythia和Pythia - deduped模型與OPT和BLOOM的評估結果對比圖。

LAMBADA – OpenAI

Physical Interaction: Question Answering (PIQA)

WinoGrande

AI2 Reasoning Challenge—Easy Set

SciQ

變更日誌

本節比較了之前發佈的 Pythia v0 與當前模型之間的差異。有關這些更改及其背後動機的進一步討論，請參閱Pythia論文的附錄B。重新訓練Pythia對基準性能沒有影響。

• 統一批量大小：所有模型現在均以2M標記的統一批量大小進行訓練。之前，參數大小為160M、410M和1.4B的模型以4M標記的批量大小進行訓練。
• 增加檢查點：除了每1000個訓練步驟保存一個檢查點外，還在初始化（步驟0）和步驟 {1,2,4,8,16,32,64,128,256,512} 增加了檢查點。
• 使用Flash Attention：新的重新訓練套件中使用了Flash Attention。
• 修正學習率調度：修正了原套件中存在的一個小不一致問題：所有參數大小為2.8B或更小的模型的學習率（LR）調度衰減到起始LR的10%，而6.9B和12B模型的LR調度衰減到0。在重新訓練運行中，所有模型現在均以LR衰減到最大LR的0.1倍進行訓練。

命名約定和參數數量

Pythia 模型於2023年1月進行了重命名。舊的命名約定可能仍意外存在於某些文檔中。當前的命名約定（70M、160M等）基於總參數數量。

📄 許可證

本項目採用Apache 2.0許可證。