Falcon E 3B Base

🚀 Transformers庫之Falcon-E模型

本項目的Falcon-E模型是由相關機構開發的強大語言模型，具有特定的架構和語言支持，適用於多種自然語言處理任務，在推理和微調方面都有相應的使用方法，並且在評估中展現出了一定的性能優勢。

🚀 快速開始

目前，若要使用此模型，你可以依賴Hugging Face的transformers庫或 BitNet 庫。根據你的目標用途，有多種方式可以與模型進行交互。對於每個Falcon - E系列模型，你有三種變體：BitNet模型、用於微調的預量化檢查點以及BitNet模型的bfloat16版本。

✨ 主要特性

• 開發方：https://www.tii.ae
• 模型類型：因果解碼器 / 基礎版本
• 架構：純Transformer - 1.58bit版本
• 語言（NLP）：英語
• 許可證：Falcon - LLM許可證

📦 安裝指南

若要使用此模型，你可以通過以下方式安裝所需依賴：

• 若使用Hugging Face的transformers庫，可通過常規的Python包管理工具進行安裝。
• 若使用 BitNet 庫，可運行以下命令：

git clone https://github.com/microsoft/BitNet && cd BitNet
pip install -r requirements.txt

💻 使用示例

基礎用法

使用transformers庫進行推理

若要對BitNet檢查點進行推理，可運行以下代碼：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-E-1B-Base"

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

# Perform text generation

若要使用經典的bfloat16版本，可運行以下代碼：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-E-1B-Base"
revision = "bfloat16"

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

# Perform text generation

使用BitNet庫進行推理

git clone https://github.com/microsoft/BitNet && cd BitNet
pip install -r requirements.txt
python setup_env.py --hf-repo tiiuae/Falcon-E-1B-Base -q i2_s
python run_inference.py -m models/Falcon-E-1B-Base/ggml-model-i2_s.gguf -p "You are a helpful assistant" -cnv

高級用法

模型微調

若要對模型進行微調，你應該加載模型的prequantized版本，並使用onebitllms Python包，示例代碼如下：

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-1B-Base"

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)

📚 詳細文檔

評估結果

以下表格展示了該模型在內部管道基準測試中的評估結果（評估結果為前Hugging Face排行榜v2任務的標準化分數）：

以下是指令微調模型的結果：

有用鏈接

• 查看 發佈博客文章。
• 瞭解更多關於 onebitllms 庫 的信息。
• 如果你有任何問題或想與研究人員和開發人員交流，歡迎加入 Discord服務器。

🔧 技術細節

關於此模型的訓練協議的更多詳細信息，請參考 Falcon - E技術博客文章。

📄 許可證

本模型使用Falcon - LLM許可證，具體條款請參考 許可證鏈接。

📚 引用

如果Falcon - E系列模型對你的工作有幫助，請引用以下內容：

@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}
}