Pythia 2.8b

🚀 Pythia-2.8B

“Pythia Scaling Suite”是一系列用于促进可解释性研究的模型集合，包含不同规模的模型，在大语言模型研究方面具有重要价值。

🚀 快速开始

Pythia模型可以通过以下代码加载和使用，这里以第三个 pythia-70m-deduped 检查点为例：

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])

修订版/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模型套件旨在促进大语言模型的科学研究，特别是可解释性研究。
• 模型多样：包含两组八个不同大小的模型（70M、160M、410M、1B、1.4B、2.8B、6.9B和12B），每个大小有两个模型，一个在Pile数据集上训练，一个在全局去重后的Pile数据集上训练。
• 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。
• 性能出色：尽管设计目标并非以提升下游性能为中心，但模型的性能与类似规模的模型（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，可参考 GitHub上的文档 获取相关信息。

📚 详细文档

模型详情

使用与限制

预期用途

• 研究用途：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，为进行科学实验提供可控环境。
• 微调部署：只要使用符合Apache 2.0许可证，也可对Pythia - 2.8B进行进一步微调并部署。Pythia模型可与Hugging Face的 Transformers库 配合使用。若决定使用预训练的Pythia - 2.8B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

• 不适合部署：Pythia套件并非用于部署，本身不是产品，不能用于面向人类的交互。例如，模型可能生成有害或冒犯性文本，请评估特定用例相关的风险。
• 仅支持英语：Pythia模型仅支持英语，不适合翻译或生成其他语言的文本。
• 未针对下游场景微调：Pythia - 2.8B未针对语言模型常见的下游场景（如撰写散文或商业聊天机器人）进行微调，因此其对给定提示的响应方式与ChatGPT等产品不同。

局限性和偏差

• 输出准确性：大语言模型的核心功能是根据输入文本预测下一个标记，模型使用的标记不一定能产生最“准确”的文本，切勿依赖Pythia - 2.8B产生事实准确的输出。
• 数据偏差：该模型在 Pile 数据集上训练，该数据集包含亵渎、淫秽或其他冒犯性文本。有关性别、宗教和种族的记录偏差讨论，请参阅 Pile论文的第6节。即使提示本身不包含任何明确的冒犯性内容，Pythia - 2.8B也可能生成社会不可接受或不良的文本。
• 人工审核建议：如果计划使用通过例如托管推理API生成的文本，建议在向他人展示之前由人工对该语言模型的输出进行审核，并告知受众文本是由Pythia - 2.8B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、Enron Emails）。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可从 官方网站 或 [社区镜像](https://the - eye.eu/public/AI/pile/) 下载。在训练Pythia - 2.8B之前，Pile数据集未进行去重处理。

训练过程

• 所有模型在完全相同的数据上按相同顺序进行训练。每个模型在训练期间处理299,892,736,000个标记，每2,097,152,000个标记保存一个检查点，从 step1000 到 step143000（与 main 相同），共保存143个检查点。此外，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上训练不到1个周期，去重后的Pile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143000步。有关训练过程的更多详细信息，包括 [如何复现](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 模型均使用 [LM Evaluation Harness](https://github.com/EleutherAI/lm - evaluation - harness) 进行评估。可在 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的评估结果对比图。

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。重新训练Pythia对基准性能没有影响。

• 统一批量大小：所有模型现在均以2M标记的统一批量大小进行训练。之前，参数大小为160M、410M和1.4B的模型以4M标记的批量大小进行训练。
• 增加检查点：除了每1000个训练步骤保存一个检查点外，还在初始化（步骤0）和步骤 {1,2,4,8,16,32,64,128,256,512} 增加了检查点。
• 使用Flash Attention：新的重新训练套件中使用了Flash Attention。
• 修正学习率调度：修正了原套件中存在的一个小不一致问题：所有参数大小为2.8B或更小的模型的学习率（LR）调度衰减到起始LR的10%，而6.9B和12B模型的LR调度衰减到0。在重新训练运行中，所有模型现在均以LR衰减到最大LR的0.1倍进行训练。

命名约定和参数数量

Pythia 模型于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。

📄 许可证

本项目采用Apache 2.0许可证。