模型简介
模型特点
模型能力
使用案例
🚀 Pythia-410M
“Pythia Scaling Suite”是一组旨在促进可解释性研究的模型集合。它包含两组各八个不同规模的模型,为大语言模型的研究提供了丰富资源。
🚀 快速开始
Pythia模型可以通过以下代码加载和使用,以下是pythia - 70m - deduped
第三个检查点的示例:
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])
修订/分支step143000
与每个模型main
分支上的模型检查点完全对应。有关如何使用所有Pythia模型的更多信息,请参阅 GitHub上的文档。
✨ 主要特性
- 促进研究:Pythia Scaling Suite 专门为促进大语言模型的科学研究而设计,尤其是可解释性研究。
- 模型多样:包含两组各八个不同规模的模型(70M、160M、410M、1B、1.4B、2.8B、6.9B和12B),每个规模都有在Pile数据集上训练和在全局去重后的Pile数据集上训练的两个模型。
- 检查点丰富:每个模型提供154个中间检查点,托管在Hugging Face上作为分支,方便研究不同阶段的模型表现。
- 性能出色:尽管设计目标并非以提升下游性能为核心,但模型表现与同规模的其他模型(如OPT和GPT - Neo套件中的模型)相当或更优。
📦 安装指南
文档未提及安装步骤,故跳过此章节。
💻 使用示例
基础用法
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])
高级用法
文档未提及高级用法示例,故跳过此部分。
📚 详细文档
模型详情
属性 | 详情 |
---|---|
开发者 | EleutherAI |
模型类型 | 基于Transformer的语言模型 |
语言 | 英语 |
更多信息 | Pythia的GitHub仓库 提供训练过程、配置文件和使用细节。查看论文 获取更多评估和实现细节。 |
库 | [GPT - NeoX](https://github.com/EleutherAI/gpt - neox) |
许可证 | Apache 2.0 |
联系信息 | 若有关于此模型的问题,请加入 EleutherAI Discord,并在 #release - discussion 中提问。在提问前请阅读现有的 Pythia 文档。如需一般通信,请发送邮件至 contact@eleuther.ai。 |
Pythia模型 | 非嵌入参数 | 层数 | 模型维度 | 头数 | 批量大小 | 学习率 | 等效模型 |
---|---|---|---|---|---|---|---|
70M | 18,915,328 | 6 | 512 | 8 | 2M | 1.0 x 10-3 | — |
160M | 85,056,000 | 12 | 768 | 12 | 2M | 6.0 x 10-4 | GPT - Neo 125M, OPT - 125M |
410M | 302,311,424 | 24 | 1024 | 16 | 2M | 3.0 x 10-4 | OPT - 350M |
1.0B | 805,736,448 | 16 | 2048 | 8 | 2M | 3.0 x 10-4 | — |
1.4B | 1,208,602,624 | 24 | 2048 | 16 | 2M | 2.0 x 10-4 | GPT - Neo 1.3B, OPT - 1.3B |
2.8B | 2,517,652,480 | 32 | 2560 | 32 | 2M | 1.6 x 10-4 | GPT - Neo 2.7B, OPT - 2.7B |
6.9B | 6,444,163,072 | 32 | 4096 | 32 | 2M | 1.2 x 10-4 | OPT - 6.7B |
12B | 11,327,027,200 | 36 | 5120 | 40 | 2M | 1.2 x 10-4 | — |
使用和限制
预期用途
Pythia的主要预期用途是研究大语言模型的行为、功能和局限性。该套件旨在为进行科学实验提供一个可控的环境。每个模型还提供154个检查点:初始 step0
、10个对数间隔的检查点 step{1,2,4...512}
以及从 step1000
到 step143000
的143个均匀间隔的检查点。这些检查点托管在Hugging Face上作为分支。请注意,分支 143000
与每个模型 main
分支上的模型检查点完全对应。
你也可以进一步微调并调整Pythia - 410M以进行部署,只要你的使用符合Apache 2.0许可证。Pythia模型可与Hugging Face的 Transformers库 配合使用。如果你决定使用预训练的Pythia - 410M作为微调模型的基础,请自行进行风险和偏差评估。
非预期用途
Pythia套件 不 用于部署。它本身不是一个产品,不能用于面向人类的交互。例如,该模型可能会生成有害或冒犯性的文本。请评估与你特定用例相关的风险。
Pythia模型仅支持英语,不适合用于翻译或生成其他语言的文本。
Pythia - 410M未针对语言模型常见的下游场景进行微调,如撰写散文或商业聊天机器人。这意味着Pythia - 410M不会像ChatGPT这样的产品那样对给定提示做出响应。这是因为与该模型不同,ChatGPT使用了如基于人类反馈的强化学习(RLHF)等方法进行微调,以更好地“遵循”人类指令。
局限性和偏差
大语言模型的核心功能是接受一串文本并预测下一个标记。模型使用的标记不一定能产生最“准确”的文本。切勿依赖Pythia - 410M生成事实准确的输出。
该模型在 Pile 数据集上进行训练,该数据集已知包含亵渎性和淫秽或其他冒犯性的文本。有关性别、宗教和种族方面的记录偏差的讨论,请参阅 Pile论文的第6节。Pythia - 410M可能会产生社会不可接受或不良的文本,即使 提示本身不包含任何明确的冒犯性内容。
如果你打算使用通过例如托管推理API生成的文本,我们建议在将此语言模型的输出呈现给其他人之前,由人工对其进行审核。请告知你的受众该文本是由Pythia - 410M生成的。
训练
训练数据
Pile 是一个825GiB的英语通用数据集,由EleutherAI专门为训练大语言模型而创建。它包含来自22个不同来源的文本,大致分为五类:学术写作(如arXiv)、互联网(如CommonCrawl)、散文(如Project Gutenberg)、对话(如YouTube字幕)和其他(如GitHub、安然邮件)。有关所有数据源的细分、方法和伦理影响的讨论,请参阅 Pile论文。有关Pile及其组成数据集的更详细文档,请参阅 数据表。Pile可以从 官方网站 或 [社区镜像](https://the - eye.eu/public/AI/pile/) 下载。
在用于训练Pythia - 410M之前,Pile数据集 未 进行去重处理。
训练过程
所有模型都在完全相同的数据上以完全相同的顺序进行训练。每个模型在训练期间处理了299,892,736,000个标记,并且每个模型每2,097,152,000个标记保存143个检查点,这些检查点在训练过程中均匀分布,从 step1000
到 step143000
(与 main
相同)。此外,我们还提供频繁的早期检查点:step0
和 step{1,2,4...512}
。
这相当于非去重模型在Pile数据集上训练略少于1个周期,而去重后的Pile数据集上训练约1.5个周期。
所有 Pythia 模型以2M(2,097,152个标记)的批量大小训练了143000步。有关训练过程的更多详细信息,包括 [如何重现](https://github.com/EleutherAI/pythia/blob/main/README.md#reproducing - training),请参阅 GitHub。Pythia使用与 [GPT - NeoX - 20B](https://huggingface.co/EleutherAI/gpt - neox - 20b) 相同的分词器。
评估
所有16个 Pythia 模型都使用 [LM Evaluation Harness](https://github.com/EleutherAI/lm - evaluation - harness) 进行评估。你可以在 GitHub仓库 的 results/json/*
中按模型和步骤访问评估结果。
展开以下部分,查看所有Pythia和Pythia - deduped模型与OPT和BLOOM相比的评估结果图。
LAMBADA – OpenAI

Physical Interaction: Question Answering (PIQA)

WinoGrande

AI2 Reasoning Challenge—Easy Set

SciQ

变更日志
本节比较了之前发布的 Pythia v0 与当前模型之间的差异。有关这些更改及其背后动机的进一步讨论,请参阅Pythia论文的附录B。我们发现重新训练Pythia对基准性能没有影响。
- 所有模型现在都以2M标记的统一批量大小进行训练。以前,参数为160M、410M和1.4B的模型以4M标记的批量大小进行训练。
- 除了每1000个训练步骤外,我们还在初始化时(step 0)和步骤 {1,2,4,8,16,32,64,128,256,512} 添加了检查点。
- 新的重新训练套件中使用了Flash Attention。
- 我们纠正了原始套件中存在的一个小不一致问题:所有参数为2.8B或更小的模型的学习率(LR)调度衰减到起始LR率的10%作为最小LR,但6.9B和12B模型都使用了衰减到最小LR为0的LR调度。在重新训练运行中,我们纠正了这个不一致问题:现在所有模型的LR都衰减到其最大LR的0.1倍作为最小值。
命名约定和参数数量
Pythia 模型在2023年1月进行了重命名。旧的命名约定可能仍意外存在于某些文档中。当前的命名约定(70M、160M等)基于总参数数量。
当前Pythia后缀 | 旧后缀 | 总参数 | 非嵌入参数 |
---|---|---|---|
70M | 19M | 70,426,624 | 18,915,328 |
160M | 125M | 162,322,944 | 85,056,000 |
410M | 350M | 405,334,016 | 302,311,424 |
1B | 800M | 1,011,781,632 | 805,736,448 |
1.4B | 1.3B | 1,414,647,808 | 1,208,602,624 |
2.8B | 2.7B | 2,775,208,960 | 2,517,652,480 |
6.9B | 6.7B | 6,857,302,016 | 6,444,163,072 |
12B | 13B | 11,846,072,320 | 11,327,027,200 |
🔧 技术细节
文档未提供足够的技术实现细节(少于50字),故跳过此章节。
📄 许可证
本项目采用Apache 2.0许可证。



