Github
HuggingfaceSmolLM-135M-Instruct：小而强大的语言模型
SmolLM-135M-Instruct是一个小型但功能强大的语言模型，它是SmolLM系列模型中的一员。这个系列包括三种不同规模的模型：135M、360M和1.7B参数。SmolLM-135M-Instruct作为其中参数量最小的模型，展现出了惊人的能力和效率。
模型背景
SmolLM系列模型的训练基于精心策划的SmolLM-Corpus数据集，该数据集包含高质量的教育和合成数据，专门用于训练语言模型。SmolLM-135M-Instruct是在基础模型的基础上，通过在公开可用的数据集上进行微调而得到的。
最新更新
在v0.2版本中，开发团队对模型进行了显著改进。他们采用了更适合小型模型的微调数据集组合，包括：
- 由llama3.1-70B生成的2000个简单日常对话数据集
- Magpie-Pro-300K-Filtered数据集
- StarCoder2-Self-OSS-Instruct数据集
- OpenHermes-2.5数据集的一个小子集
这次更新使得模型在保持话题连贯性和对标准提示（如问候和关于AI助手角色的问题）的回应能力上有了显著提升。
使用方法
SmolLM-135M-Instruct可以通过多种方式使用：
-
本地应用：提供了优化的MLC、GGUF和Transformers.js格式实现，以及快速的浏览器内演示。
-
Transformers库：用户可以使用Python的Transformers库轻松加载和使用模型。
-
TRL聊天界面：通过TRL CLI，用户可以在终端中与模型进行交互。
模型特点
- 小巧高效：仅有135M参数，适合在资源受限的环境中使用。
- 多功能：能够处理一般知识问题、创意写作和基本的Python编程。
- 优化性能：建议使用0.2的温度和0.9的top-p值以获得最佳效果。
局限性
尽管SmolLM-135M-Instruct表现出色，但它也有一些局限性：
- 生成的内容可能并非总是事实准确或逻辑一致。
- 可能存在训练数据中的偏见。
- 仅支持英语。
- 在算术、编辑任务和复杂推理方面可能存在困难。
训练细节
模型使用alignment-handbook进行训练，采用了以下主要参数：
- 训练1个epoch
- 学习率为1e-3
- 余弦学习率调度
- 预热比例为0.1
- 全局批量大小为262k个token
总结
SmolLM-135M-Instruct展示了小型语言模型的巨大潜力。它在保持高效率的同时，提供了令人印象深刻的性能。这个模型为那些需要在资源受限环境中部署强大语言模型能力的用户提供了一个绝佳的选择。随着进一步的优化和改进，SmolLM-135M-Instruct有望在各种应用场景中发挥更大的作用。
