语言:

• 英语 标签:
• pytorch
• 因果语言模型
• pythia 许可证: apache-2.0 数据集:
• the_pile

Pythia规模套件是为促进可解释性研究而开发的一系列模型集合（详见论文）。该套件包含两组共八个模型，规模分别为70M、160M、410M、1B、1.4B、2.8B、6.9B和12B。每个规模对应两个模型：一个在原始Pile数据集上训练，另一个在全局去重后的Pile数据集上训练。所有8个规模的模型均采用完全相同的训练数据和顺序。我们还提供了每个模型的154个中间检查点，以分支形式托管在Hugging Face平台。

Pythia模型套件专为促进大语言模型（尤其是可解释性研究）的科研工作而设计。尽管未将下游性能作为核心设计目标，但我们发现这些模型在性能上达到或超越了同类规模模型（如OPT和GPT-Neo系列）。

Pythia-1B

模型详情

• 开发机构: EleutherAI
• 模型类型: 基于Transformer的语言模型
• 语言: 英语
• 了解更多: 访问Pythia GitHub仓库获取训练流程、配置文件和使用指南，或查阅论文获取更多评估与实现细节
• 开发库: GPT-NeoX
• 许可证: Apache 2.0
• 联系方式: 咨询问题请加入EleutherAI Discord的#release-discussion频道，提问前请先阅读现有文档。常规联系请邮件至contact@eleuther.ai

用途与限制

预期用途

Pythia主要面向大语言模型行为、功能及局限性的科学研究。该套件旨在为科学实验提供受控环境。我们为每个模型提供154个检查点：初始step0、10个对数间隔检查点step{1,2,4...512}，以及从step1000到step143000的143个均匀间隔检查点，这些检查点以分支形式托管于Hugging Face。注意143000分支对应各模型main分支的最终检查点。

用户可根据Apache 2.0许可证对Pythia-1B进行微调与适配部署。Pythia模型兼容Hugging Face的Transformers库。若基于预训练模型进行微调，请自行开展风险与偏见评估。

非适用场景

Pythia套件不适用于生产部署，其本身并非产品级解决方案，不可用于人机交互场景。例如，模型可能生成有害或冒犯性文本。请根据具体用例评估风险。

Pythia模型仅支持英语，不适用于其他语言的翻译或文本生成任务。

Pythia-1B未针对常见下游场景（如文体写作、商业聊天机器人等）进行微调，因此其响应方式与ChatGPT等产品不同。后者采用了RLHF等微调方法以更好遵循人类指令。

局限性与偏见

大语言模型的核心功能是预测文本序列的下一个标记，但该预测不一定产生最"准确"的内容。切勿依赖Pythia-1B输出事实性准确内容。

本模型训练数据the Pile包含亵渎、低俗及其他冒犯性文本。关于性别、宗教和种族偏见的讨论详见Pile论文第6节。即使提示词不含明显冒犯内容，Pythia-1B仍可能生成不符合社会规范的内容。

若通过托管API等渠道使用生成文本，建议人工审核后再向他人展示，并告知文本由Pythia-1B生成。

快速开始

以下代码演示如何加载使用Pythia模型（以pythia-70m-deduped的第三个检查点为例）：

from transformers import GPTNeoXForCausalLM, AutoTokenizer

model = GPTNeoXForCausalLM.from_pretrained(
  "EleutherAI/pythia-70m-deduped",
  revision="step3000",
  cache_dir="./pythia-70m-deduped/step3000",
)

tokenizer = AutoTokenizer.from_pretrained(
  "EleutherAI/pythia-70m-deduped",
  revision="step3000",
  cache_dir="./pythia-70m-deduped/step3000",
)

inputs = tokenizer("你好，我是", return_tensors="pt")
tokens = model.generate(**inputs)
tokenizer.decode(tokens[0])

step143000分支对应各模型main分支的最终检查点。
更多使用说明参见GitHub文档。

训练

训练数据

The Pile是825GiB的通用英语数据集，专为大语言模型训练而构建，包含学术文献、网络文本、散文、对话等22类数据源（详见Pile论文）。训练Pythia-1B时未对原始Pile数据进行去重处理。

训练流程

所有模型采用相同数据和训练顺序，每个模型训练过程中处理299,892,736,000个标记，保存143个检查点（每处理2,097,152,000标记保存一次）。此外还提供step0和step{1,2,4...512}等早期检查点。非去重模型训练约1个epoch，去重模型约1.5个epoch。

所有Pythia模型以200万标记的批大小训练143000步。
训练细节及复现方法参见GitHub。
Pythia使用与GPT-NeoX-20B相同的分词器。

评估

16个Pythia模型均通过LM评估工具包进行评估，结果文件存放于GitHub仓库的results/json/*路径下。
以下可展开区域展示Pythia与OPT、BLOOM模型的对比评估结果：

LAMBADA – OpenAI

物理交互问答(PIQA)

WinoGrande

AI2推理挑战赛-简易版

SciQ

变更日志

本节比较此前发布的Pythia v0与当前版本的差异（详见论文附录B）。重训练未影响基准性能：

• 所有模型现采用统一的200万标记批大小（原160M/410M/1.4B模型为400万）
• 新增初始化检查点(step0)及step{1,2,4,8,16,32,64,128,256,512}检查点
• 新版本使用Flash Attention
• 修正学习率衰减不一致问题：原2.8B及以下模型衰减至最大学习率的10%，而6.9B/12B衰减至0。现全部统一为衰减至最大学习率的10%

命名规范与参数计数

2023年1月Pythia模型采用新命名规范（可能仍有文档误用旧名称）。现行规范基于总参数量：