MicroLlama

MicroLlama

预算内的大规模语言模型构建:300M Llama模型的探索

该项目在有限预算内,通过全面开源的方法构建了一个300M Llama语言模型。尽管性能不及更大型的模型,但以不到500美元的投入,在多数据集上表现出色,并在与类似参数的BERT模型比较时展现优势。项目使用Vast.ai的计算资源和AWS S3存储,对TinyLlama模型进行了调整,重点优化Slimpajama数据集。这一项目展示了低成本大规模模型开发的潜力,并为细化应用如轻量级聊天机器人提供了坚实基础。

开源项目huggingface模型Github开源Huggingface文本生成MicroLlama语言模型

MicroLlama项目介绍

MicroLlama是一个轻量级的大型语言模型项目,由个人开发者keeeeenw发起。与许多大企业追求越来越大的模型相反,MicroLlama着眼于建立一个小而精致的模型,其主要目标是在有限的预算和资源下实现模型的预训练。

项目背景和目标

MicroLlama项目的目标是预训练一个300M规模的Llama模型,同时满足以下条件:

  1. 总预算不得超过500美元。
  2. 必须使用完全开源的数据集和模型从头开始预训练一个大语言模型。
  3. 不能微调模型,也不能使用像GPT-4这样的现有语言模型生成训练数据。

模型详细信息

MicroLlama项目受到了TinyLlama的启发,这是一个开源项目,目标是预训练一个1.1.1B的Llama模型。MicroLlama目前进行了四天的训练,已花费280美元云计算费用和3美元的AWS S3存储费用,并使用50B个tokens对300M Llama模型进行了训练。

主要的模型配置继承自TinyLlama:

  • block_size=2048
  • vocab_size=32000
  • n_layer=12
  • n_head=16
  • 其他参数如rotary_percentageintermediate_size等均经过精心设计。

项目进展和修改

为了实现上述目标,项目对TinyLlama进行了多处修改:

  1. 将原来的模型缩小至300M,并专注于Slimpajama数据集。
  2. 移除了Starcoderdata数据集,以便模型更集中于Slimpajama,这也意味着模型未经微调可能不适合编码任务。
  3. 增加了在下载数据同时处理和标记的能力,从而节省时间。
  4. 提供了多种辅助脚本和Python代码。

使用说明

用户可以通过以下步骤安装和运行MicroLlama:

  1. 安装依赖:
    pip install transformers pip install torch
  2. 使用示例代码生成文本。

模型评估

MicroLlama使用标准的lm-evaluation-harness进行了实验评估。评估结果显示,MicroLlama虽小于TinyLlama,但在多个数据集上的表现与其接近,并优于常见的小型LLM如BERT。

模型预训练TokensHellaSwagObqaWinoGrandeARC_cARC_eboolqpiqa平均
MicroLlama50B34.3030.6051.5423.2939.0653.1564.5842.36
BERT大写无引号版本N/A24.5326.2049.8025.6825.0840.8647.6634.26
TinyLlama-1.1B-Chat-v0.1503B53.8132.2055.0128.6749.6258.0469.6449.57
TinyLlama-1.1B中间步骤-1431k-3T3T59.2036.0059.1230.1255.2557.8373.2952.99

通过评估结果可以看出,MicroLlama是一个小型LLM的良好起点,可用于句子转换、打分和轻量级聊天机器人等任务。

结论

MicroLlama项目在预算有限的情况下,成功实现了小规模模型的预训练。通过对开源资源的充分利用,它为无须巨额投资的模型开发提供了新的思路和方向。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多