语言:

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

Pythia扩展套件是一系列旨在促进可解释性研究的模型集合（详见论文）。该套件包含两组共八个不同规模的模型，分别为7000万、1.6亿、4.1亿、10亿、14亿、28亿、69亿和120亿参数。每个规模下有两种模型：一种在原始Pile数据集上训练，另一种在全局去重后的Pile数据集上训练。所有8个规模的模型均采用完全相同的数据并按相同顺序训练。我们还为每个模型提供了154个中间检查点，托管在Hugging Face的分支上。

Pythia模型套件专为促进大型语言模型（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-69亿参数版

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，查阅论文获取更多评估与实现细节
• 底层库: GPT-NeoX
• 许可证: Apache 2.0
• 联系方式: 加入EleutherAI Discord并在#release-discussion频道提问。提问前请先阅读现有文档。常规联系请邮件至contact@eleuther.ai

使用范围与限制

预期用途

Pythia主要面向大型语言模型行为、功能与局限性的研究。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在Hugging Face。注意143000分支对应各模型main分支上的最终检查点。

您可根据Apache 2.0许可证对Pythia-69亿进行微调与适配部署。该模型兼容Hugging Face 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，其本身并非产品且不可用于人机交互。例如，模型可能生成有害或冒犯性文本。请根据具体使用场景评估风险。

Pythia模型仅支持英语，不适用于翻译或其他语言文本生成。

Pythia-69亿未针对常见下游场景（如文体写作、商业聊天机器人）进行微调，因此其响应方式与ChatGPT等产品不同。后者采用RLHF等方法来更好地遵循人类指令。

局限性与偏见

大型语言模型的核心功能是预测文本序列的下一个标记，其输出不一定具有事实准确性。切勿依赖Pythia-69亿生成事实性内容。

该模型训练数据the Pile包含亵渎、淫秽及其他冒犯性文本。数据集中存在关于性别、宗教和种族的已知偏见（详见Pile论文第6节）。即使提示词不含明显冒犯内容，模型仍可能生成社会不可接受的文本。

若通过托管API生成文本，建议人工审核后再向他人展示。请告知受众文本由Pythia-69亿生成。

快速入门

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。
完整使用指南参见GitHub文档。

训练过程

训练数据

The Pile是825GB的通用英语数据集，包含22个不同来源的文本，分为五大类：学术文献（如arXiv）、互联网内容（如CommonCrawl）、散文（如古登堡计划）、对话（如YouTube字幕）和杂项（如GitHub、安然邮件）。Pile数据集未经去重处理即用于训练Pythia-69亿。

训练配置

所有模型采用相同数据和训练顺序，共处理299,892,736,000个标记。每个模型保存143个检查点，均匀分布在step1000至step143000（即main）之间。额外提供早期检查点step0和step{1,2,4...512}。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。
训练复现方法参见GitHub。
Pythia使用与GPT-NeoX-20B相同的分词器。

评估结果

16个Pythia模型均通过LM评估工具包测试。完整结果见GitHub仓库的results/json/*文件。
以下可展开区域展示Pythia与OPT、BLOOM的对比评估图表：

LAMBADA – OpenAI

物理交互问答(PIQA)

WinoGrande

AI2推理挑战-简易版

SciQ

变更日志

本节比较Pythia v0与当前版本的差异（详见论文附录B）。重新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）
• 新增初始检查点step0和step{1,2,4,8,16,32,64,128,256,512}
• 新版采用Flash Attention
• 统一学习率衰减策略：所有模型现均衰减至最大学习率的10%（原6.9B/12B模型衰减至0）

命名规范与参数计数

2023年1月更新命名规范（现基于总参数量）：