Pythia 1b Deduped

🚀 Pythia Scaling Suite

Pythia Scaling Suite 是一組為促進可解釋性研究而開發的模型(詳見論文)。它包含兩組各八個模型，模型大小分別為 70M、160M、410M、1B、1.4B、2.8B、6.9B 和 12B。對於每個大小的模型，都有兩個版本：一個在 Pile 數據集上訓練，另一個在 Pile 數據集進行全局去重後訓練。所有 8 種模型大小都在完全相同的數據上，以完全相同的順序進行訓練。我們還為每個模型提供了 154 箇中間檢查點，這些檢查點作為分支託管在 Hugging Face 上。

Pythia 模型套件旨在推動大型語言模型的科學研究，特別是可解釋性研究。儘管設計目標並非以提升下游性能為核心，但我們發現這些模型 達到或超越了 類似大小模型的性能，例如 OPT 和 GPT - Neo 套件中的模型。

🚀 快速開始

Pythia 模型可以通過以下代碼加載和使用，以下是 pythia - 70m - deduped 第三個檢查點的示例：

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])

分支 143000 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 文檔。

✨ 主要特性

• 促進研究：專為促進大型語言模型的可解釋性研究而設計。
• 多種模型規模：包含 70M、160M、410M、1B、1.4B、2.8B、6.9B 和 12B 等多種模型大小。
• 數據一致性：所有模型在相同數據上以相同順序訓練。
• 豐富檢查點：為每個模型提供 154 箇中間檢查點，便於研究不同訓練階段的模型表現。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

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])

高級用法

文檔未提及高級用法示例，故跳過此部分。

📚 詳細文檔

模型詳情

使用與限制

預期用途

Pythia 的主要預期用途是研究大型語言模型的行為、功能和侷限性。該套件旨在為進行科學實驗提供一個可控的環境。我們還為每個模型提供了 154 個檢查點：初始 step0、10 個對數間隔的檢查點 step{1,2,4...512} 以及 143 個從 step1000 到 step143000 的均勻間隔檢查點。這些檢查點作為分支託管在 Hugging Face 上。請注意，分支 143000 與每個模型 main 分支上的模型檢查點完全對應。

只要您的使用符合 Apache 2.0 許可證，您也可以進一步微調並調整 Pythia - 1B - deduped 以進行部署。Pythia 模型可與 Hugging Face Transformers 庫 配合使用。如果您決定使用預訓練的 Pythia - 1B - deduped 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

Pythia 套件 不適合 用於部署。它本身不是一個產品，不能用於面向人類的交互。例如，該模型可能會生成有害或冒犯性的文本。請評估與您特定用例相關的風險。

Pythia 模型僅支持英語，不適合用於翻譯或生成其他語言的文本。

Pythia - 1B - deduped 未針對語言模型常見的下游應用場景進行微調，例如撰寫特定體裁的散文或商業聊天機器人。這意味著 Pythia - 1B - deduped 不會 像 ChatGPT 這樣的產品那樣對給定提示做出響應。這是因為與該模型不同，ChatGPT 使用了諸如基於人類反饋的強化學習 (RLHF) 等方法進行微調，以更好地 “遵循” 人類指令。

侷限性和偏差

大型語言模型的核心功能是接受一段文本並預測下一個標記。模型使用的標記不一定能生成最 “準確” 的文本。切勿依賴 Pythia - 1B - deduped 生成事實準確的輸出。

該模型在 the Pile 數據集上進行訓練，該數據集已知包含褻瀆性和低俗或其他冒犯性的文本。有關性別、宗教和種族方面的記錄偏差討論，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 - 1B - deduped 也可能會生成社會不可接受或不良的文本。

如果您計劃使用通過例如託管推理 API 生成的文本，我們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。請告知您的受眾該文本是由 Pythia - 1B - deduped 生成的。

訓練

訓練數據

Pythia - 1B - deduped 在 Pile 數據集 進行全局去重後 進行訓練。
The Pile 是一個 825GiB 的通用英語數據集。它由 EleutherAI 專門為訓練大型語言模型而創建。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、安然郵件）。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，請參考 數據說明書。Pile 可以從 官方網站 或 [社區鏡像](https://the - eye.eu/public/AI/pile/) 下載。

訓練過程

所有模型都在完全相同的數據上，以完全相同的順序進行訓練。每個模型在訓練期間處理了 299,892,736,000 個標記，並且每 2,097,152,000 個標記保存一次檢查點，從 step1000 到 step143000（與 main 相同）均勻分佈，每個模型共保存 143 個檢查點。此外，我們還提供了頻繁的早期檢查點：step0 和 step{1,2,4...512}。這相當於未去重模型在 Pile 上訓練不到 1 個 epoch，而去重後的 Pile 上訓練約 1.5 個 epoch。

所有 Pythia 模型以 2M（2,097,152 個標記）的批量大小訓練了 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 模型都使用 [LM Evaluation Harness](https://github.com/EleutherAI/lm - evaluation - harness) 進行了評估。您可以在 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 相比的評估結果圖。

LAMBADA – OpenAI

物理交互：問答 (PIQA)

WinoGrande

AI2 推理挑戰 — 簡易集

SciQ

變更日誌

本節比較了先前發佈的 Pythia v0 與當前模型之間的差異。有關這些更改及其背後的動機的更多討論，請參閱 Pythia 論文的附錄 B。我們發現重新訓練 Pythia 對基準測試性能沒有影響。

• 所有模型現在都以 2M 標記的統一批量大小進行訓練。此前，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。
• 除了每 1000 個訓練步驟保存一次檢查點外，我們還在初始化時（步驟 0）和步驟 {1,2,4,8,16,32,64,128,256,512} 增加了檢查點。
• 新的重新訓練套件使用了 Flash Attention。
• 我們糾正了原始套件中存在的一個小不一致問題：所有 2.8B 參數或更小的模型的學習率 (LR) 調度會衰減到起始 LR 率的 10% 作為最小 LR，但 6.9B 和 12B 模型的 LR 調度會衰減到最小 LR 為 0。在重新進行的訓練運行中，我們糾正了這個不一致問題：現在所有模型的 LR 都衰減到最大 LR 的 0.1 倍作為最小值。

命名約定和參數數量

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

🔧 技術細節

文檔未提供足夠的技術實現細節（少於 50 字），故跳過此章節。

📄 許可證

本項目採用 Apache 2.0 許可證。