Rwkv7 1.5B World

🚀 rwkv7-1.5B-world

这是一款基于flash-linear attention格式的RWKV-7模型，支持多种语言，可用于文本生成任务，在自然语言处理领域有广泛应用。

🚀 快速开始

在使用该模型之前，需要安装flash-linear-attention和最新版本的transformers：

pip install git+https://github.com/fla-org/flash-linear-attention
pip install 'transformers>=4.48.0'

✨ 主要特性

• 多语言支持：支持英语、中文、日语、韩语、法语、阿拉伯语、西班牙语和葡萄牙语。
• 模型类型：RWKV7
• 许可证：Apache-2.0

📦 安装指南

安装flash-linear-attention和最新版本的transformers：

pip install git+https://github.com/fla-org/flash-linear-attention
pip install 'transformers>=4.48.0'

💻 使用示例

基础用法

你可以像使用其他HuggingFace模型一样使用该模型：

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained('fla-hub/rwkv7-1.5B-world', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained('fla-hub/rwkv7-1.5B-world', trust_remote_code=True)

model = model.cuda() # Supported on Nvidia/AMD/Intel eg. model.xpu()
prompt = "What is a large language model?"
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=4096,
    do_sample=True,
    temperature=1.0,
    top_p=0.3,
    repetition_penalty=1.2
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=False)[0]
print(response)

📚 详细文档

模型详情

模型描述

• 开发者：Bo Peng, Yu Zhang, Songlin Yang, Ruichong Zhang
• 资助方：RWKV Project (Under LF AI & Data Foundation)
• 模型类型：RWKV7
• 支持语言（NLP）：英语、中文、日语、韩语、法语、阿拉伯语、西班牙语、葡萄牙语
• 许可证：Apache-2.0
• 参数数量：1.52B
• 分词器：RWKV World tokenizer
• 词汇量：65,536

模型资源

• 代码仓库：https://github.com/fla-org/flash-linear-attention ; https://github.com/BlinkDL/RWKV-LM
• 论文：https://huggingface.co/papers/2503.14456

训练详情

训练数据

该模型在World v3上进行训练，总共有3.119万亿个标记。

训练超参数

• 训练机制：bfloat16, 学习率从4e - 4到1e - 5进行“延迟”余弦衰减，权重衰减为0.1（中间增加批量大小）
• 最终损失：1.9965
• 标记数量：3.119万亿

评估

评估指标

lambada_openai：

• 转换前：困惑度4.13，准确率69.4%
• 转换后：困惑度4.26，准确率68.8%（未应用模板）

常见问题解答

Q: safetensors元数据为空。 A: 将transformers升级到 >=4.48.0: pip install 'transformers>=4.48.0'

📄 许可证

本模型使用的许可证为Apache - 2.0。