README.md

metadata

language: ru
license: mit
tags:
  - model_hub_mixin
  - pytorch_model_hub_mixin
  - language-modeling
  - text-generation

Название модели

Модель трансформер, с реализованными блоками GQA, SwiGLU, ALiBi.

Описание

Эта модель была обучена на датасете с анекдотами на русском языке. Модель может решать следующие задачи:

1. Генерация новых последовательностей.
2. Автодополнение последовательностей.
3. и другие задачи обработки естественного языка.

Архитектура

• Tokenizer:
  В качестве токенайзера используется ByteLevel BPE, с vocab_size = 1024.

• Структура модели: Модель поддерживает несколько размеров: "nano", "mini", "small", количество параметров соответственно: 0.53M, 11.43M, 86.62M.

  Модель состоит из следующих блоков:

  • dropout
  • RMS Norm
  • GQA + ALiBi
  • SwiGLU
  • Linear_head + softmax

  Подробнее можно увидеть на следующей схеме:

• Обучение и параметры:
  Во время обучения были использованы следующие параметры:

  1. optimizer = AdamW(learning_rate=3e-4, weight_decay=0.01)
  2. scheduler - Linear schedule with warmup
  3. loss = cross_entropy
  4. Num_steps = 10_000, validation_step - every 1000 steps.

Данные

Модель обучалась на следующем датасете:

• Russian_jokes:
  Ссылка: https://huggingface.co/datasets/IgorVolochay/russian_jokes Пример строки: "- Зять, а ты знаешь, где найти того мужчину, который спас меня, когда я тонула?- Да, он уже приходил ко мне извиняться!"

Во время обучения выборка была поделена на train и test соответственно: 135497 строк и 15056 строк.

Оценка качества (Quality Report)

Для оценки качества была использована метрика perplexity: (Лучшее минимальное значение)

• Perplexity 'nano': 4.254
• Perplexity 'mini': 4.193
• Perplexity 'small': 4.184

Примеры генерации

Пример prefix: "Заходит в бар"

nano: "Заходит в бардей."

mini: "Заходит в барье:- Сидумагрираступать снуть, что ты, в мату."

small: "Заходит в бара, сынок, что он у меня волованы, а ты, дочьмиеменсу и пограют на немы и говорит другом, и док, что он исы, что вечаются."