Falcon E 1B Instruct

🚀 Falcon-E模型

Falcon-E是一系列强大、通用且可微调的1.58bit语言模型，可依赖Hugging Face transformers库或BitNet库使用，在多种评估指标上表现出色。

🚀 快速开始

要使用此模型，你可以依赖Hugging Face transformers库或BitNet库。根据你的目标用途，有多种方式与模型进行交互。对于每个Falcon-E系列模型，你有三种变体：BitNet模型、用于微调的预量化检查点和BitNet模型的bfloat16版本。

✨ 主要特性

• 模型类型：因果解码器，基础版本
• 架构：纯Transformer - 1.58bit版本
• 语言：英文
• 许可证：Falcon-LLM License

📦 安装指南

目前使用此模型，你可以依赖Hugging Face transformers库或BitNet库。

使用transformers库

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

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

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

# Perform text generation

使用BitNet库

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

💻 使用示例

基础用法

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

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

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

# Perform text generation

高级用法

使用经典bfloat16版本进行推理

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

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

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

# Perform text generation

模型微调

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-Instruct"

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)

📚 详细文档

模型详情

训练详情

有关此模型训练协议的更多详细信息，请参阅Falcon-E技术博客文章。

评估

以下表格展示了内部管道基准测试结果，评估结果是前Hugging Face排行榜v2任务的标准化分数。

以下是指令微调模型的结果：

有用链接

• 查看发布博客文章。
• 了解更多关于onebitllms库的信息。
• 如果你有任何问题或想与研究人员和开发人员交流，欢迎加入Discord服务器。

🔧 技术细节

有关此模型训练协议的更多详细信息，请参阅Falcon-E技术博客文章。

📄 许可证

本模型使用Falcon-LLM License，详情请见许可证链接。

📖 引用

如果Falcon-E系列模型对你的工作有帮助，请引用：

@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}
}