RWKV7 Goose World3 1.5B HF

🚀 rwkv7-1.47B-pile

這是一個基於Flash線性注意力格式的RWKV - 7模型，可用於文本生成任務，為自然語言處理提供強大的支持。

🚀 快速開始

在使用此模型之前，請先安裝 flash-linear-attention（版本 <= 0.1.2）和最新版本的 transformers：

pip install --no-use-pep517 flash-linear-attention==0.1.2
pip install 'transformers>=4.48.0'

✨ 主要特性

• 基於RWKV - 7架構，採用Flash線性注意力格式。
• 支持英文文本處理。
• 擁有14.7億參數，具備強大的文本生成能力。

📦 安裝指南

安裝 flash-linear-attention 和 transformers：

pip install --no-use-pep517 flash-linear-attention==0.1.2
pip install 'transformers>=4.48.0'

💻 使用示例

基礎用法

你可以像使用其他HuggingFace模型一樣使用此模型：

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained('fla-hub/rwkv7-1.47B-pile', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained('fla-hub/rwkv7-1.47B-pile', trust_remote_code=True)

📚 詳細文檔

模型詳情

• 開發者：Bo Peng、Yu Zhang、Songlin Yang、Ruichong Zhang
• 資助方：RWKV項目（隸屬於LF AI & Data基金會）
• 模型類型：RWKV7
• 支持語言（NLP）：英文
• 許可證：Apache - 2.0
• 參數數量：14.7億
• 分詞器：GPT - NeoX 20B分詞器

模型來源

• 倉庫地址：https://github.com/fla-org/flash-linear-attention ; https://github.com/BlinkDL/RWKV-LM
• 論文：RWKV - 7 "Goose" with Expressive Dynamic State Evolution

訓練詳情

訓練數據

該模型在Pile數據集上進行訓練，數據集包含總計3320億個標記。

評估

評估指標

• lambada_openai：困惑度（ppl）為4.80，準確率（acc）為67.0%
• piqa：準確率（acc）為73.5%

常見問題解答

Q：safetensors元數據為空。 A：將 transformers 升級到 >= 4.48.0：pip install 'transformers>=4.48.0'

📄 許可證

本模型使用Apache - 2.0許可證。