Pythia Scaling Suite是一套用于促进可解释性研究的模型集合。它包含两组八个模型，大小分别为70M、160M、410M、1B、1.4B、2.8B、6.9B和12B。对于每个大小，都有两个模型：一个是在Pile上训练的模型，另一个是在数据集全局去重之后的Pile上训练的模型。所有8个模型大小的训练数据完全相同，顺序也完全相同。我们还在Hugging Face上提供了每个模型的154个中间检查点，作为分支进行托管。

Pythia模型套件的设计目标是促进对大型语言模型的科学研究，特别是解释性研究。尽管下游性能不是设计目标，但我们发现这些模型与OPT和GPT-Neo套件中的类似大小的模型在性能上相匹配或超过。

有关先前的早期发布和命名约定的详细信息。此前，我们向公众发布了Pythia套件的早期版本。但是，我们决定重新训练模型套件以解决一些超参数差异。此模型卡列出了更改内容；有关详细讨论，请参阅Pythia论文附录B。我们发现两个Pythia版本之间的基准性能没有差异。旧模型是 still available ，但如果您刚开始使用Pythia，我们建议使用重新训练的套件。这是当前的发布版本。

请注意，Pythia套件中的所有模型在2023年1月更名。为了清晰起见，在此模型卡中提供了一个比较旧名称和新名称的表格，以及精确的参数计数。

Pythia-1.4B

模型详情

• 开发者： EleutherAI
• 模型类型：基于Transformer的语言模型
• 语言：英语
• 了解更多信息： Pythia's GitHub repository 用于训练过程、配置文件和使用细节； See paper 用于更多评估和实现细节。
• 库： GPT-NeoX
• 许可证：Apache 2.0
• 联系方式：要就此模型提问，请加入 EleutherAI Discord ，并在#release-discussion中发帖。请在EleutherAI Discord中阅读现有的Pythia文档，然后再提问。有关一般事务，请联系contact@eleuther.ai。

Pythia model	Non-Embedding Params	Layers	Model Dim	Heads	Batch Size	Learning Rate	Equivalent Models
70M	18,915,328	6	512	8	2M	1.0 x 10 -3	—
160M	85,056,000	12	768	12	2M	6.0 x 10 -4	GPT-Neo 125M, OPT-125M
410M	302,311,424	24	1024	16	2M	3.0 x 10 -4	OPT-350M
1.0B	805,736,448	16	2048	8	2M	3.0 x 10 -4	—
1.4B	1,208,602,624	24	2048	16	2M	2.0 x 10 -4	GPT-Neo 1.3B, OPT-1.3B
2.8B	2,517,652,480	32	2560	32	2M	1.6 x 10 -4	GPT-Neo 2.7B, OPT-2.7B
6.9B	6,444,163,072	32	4096	32	2M	1.2 x 10 -4	OPT-6.7B
12B	11,327,027,200	36	5120	40	2M	1.2 x 10 -4	—

Pythia套件的工程细节。给定大小的重复去重和非重复去重模型具有相同的超参数。"等效"模型具有完全相同的架构和相同数量的非嵌入参数。

用途和限制

预期用途

Pythia的主要预期用途是研究大型语言模型的行为、功能和限制。该套件旨在提供进行科学实验的受控环境。我们还提供154个模型的检查点：初始步骤0，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。这些检查点托管在Hugging Face上。请注意，分支143000与每个模型的main分支上的模型检查点完全对应。

您还可以进一步微调和适应Pythia-1.4B以进行部署，只要您的使用符合Apache 2.0许可证。Pythia模型与Hugging Face Transformers Library 兼容。如果您决定以预训练的Pythia-1.4B为基础进行微调模型，请进行自己的风险和偏差评估。

不在范围内的用途

Pythia Suite不适用于部署。它本身不是产品，不能用于面向人类的交互。例如，模型可能会生成有害或冒犯性的文本。请评估与您的特定用例相关的风险。

Pythia模型仅支持英语，不适用于其他语言的翻译或生成文本。

Pythia-1.4B并未针对常见的语言模型部署的下游环境进行微调，例如编写流派散文或商业聊天机器人。这意味着Pythia-1.4B的响应给定提示的方式不同于ChatGPT等产品。这是因为与此模型不同，ChatGPT使用了强化学习从人类反馈中学习的方法，以更好地“遵循”人类指令。

限制和偏见

大型语言模型的核心功能是接收文本字符串并预测下一个标记。模型使用的标记不一定产生最“准确”的文本。永远不要依赖Pythia-1.4B生成事实准确的输出。

该模型是在包含粗俗言辞、淫秽或其他冒犯性文本的数据集（ the Pile ）上进行训练的。有关性别、宗教和种族方面的已记录偏见的讨论，请参阅 Section 6 of the Pile paper 。Pythia-1.4B可能会生成社会上不可接受或不受欢迎的文本，即使提示本身不包含任何明确冒犯性的内容。

如果您计划使用通过例如托管推理API生成的文本，请在向其他人展示之前请人员对该语言模型的输出进行策划。请告知您的受众该文本是由Pythia-1.4B生成的。

快速入门

可以使用以下代码加载和使用Pythia模型，这里以第三个pythia-70m-deduped检查点作为示例：

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("Hello, I am", return_tensors="pt")
tokens = model.generate(**inputs)
tokenizer.decode(tokens[0])

Revision/branch step143000与每个模型的main分支上的模型检查点完全对应。有关如何使用所有Pythia模型的更多信息，请参阅 documentation on GitHub 。

训练

训练数据

The Pile 是一个825GiB的通用英语数据集。EleutherAI专门为训练大型语言模型而创建了该数据集。它包含来自22个不同来源的文本，大致分为五个类别：学术写作（例如arXiv）、互联网（例如CommonCrawl）、散文（例如Project Gutenberg）、对话（例如YouTube字幕）和其他（例如GitHub、安然电子邮件）。有关所有数据源、方法论和伦理问题的拆分，请参阅 the Pile paper 。有关Pile及其组成数据集的更详细文档，请参阅 the datasheet 。可以从 official website 或 community mirror 下载Pile，但在用于训练Pythia-1.4B之前未进行重复去重。

训练过程

所有模型都在完全相同的数据上以完全相同的顺序进行训练。每个模型在训练过程中观察了299,892,736,000个标记，并且每2,097,152,000个标记保存143个检查点，平均分布在从step1000到step143000（与main相同）的训练过程中。此外，我们还提供频繁的早期检查点：step0和step{1,2,4...512}。这对应于在非去重的模型上仅仅在Pile上训练不到1个时期，以及在去重的Pile上训练约1.5个时期。

所有Pythia模型在批量大小为2M（2,097,152个标记）的情况下进行了143000个步骤的训练。有关训练过程的更多详细信息，请参阅 GitHub ，包括 how to reproduce it 。Pythia使用与 GPT-NeoX- 20B 相同的分词器。

评估

所有16个Pythia模型均经过 LM Evaluation Harness 进行了评估。您可以在 GitHub repository 的results/json/*中按模型和步骤访问评估结果。请展开以下部分，查看Pythia和Pythia去重模型与OPT和BLOOM模型的评估结果的绘图。

LAMBADA-OpenAI 物理交互：问答（PIQA） WinoGrande AI2 Reasoning Challenge-Easy Set SciQ

变更日志

此部分比较先前发布的 Pythia v0 和当前模型之间的差异。有关这些更改及其动机的更深入讨论，请参阅Pythia论文附录B。我们发现重新训练Pythia对基准性能没有影响。

• 所有模型大小现在使用统一的2M标记批大小进行训练。以前，大小为160M、410M和1.4B参数的模型使用4M标记的批大小进行训练。
• 我们新增了初始化（步骤0）和步骤{1,2,4,8,16,32,64,128,256,512}之外的检查点，以及每1000个训练步骤。
• 新的重新训练套件中使用了闪光注意力。
• 我们纠正了旧套件中存在的一个轻微不一致性：尺寸小于等于2.8B参数的所有模型的学习率（LR）调度会衰减到起始LR的10%作为最小LR，但6.9B和12B模型都使用衰减到0的LR调度。在重新进行的训练过程中，我们纠正了这个不一致性：现在所有模型都使用衰减到最大LR的0.1倍的LR进行训练。

命名约定和参数计数

Pythia模型在2023年1月更名。可能仍然存在一些意外出现的旧命名约定的文档。当前的命名约定（70M、160M等）基于总的参数计数。

current Pythia suffix	old suffix	total params	non-embedding params
70M	19M	70,426,624	18,915,328
160M	125M	162,322,944	85,056,000
410M	350M	405,334,016	302,311,424
1B	800M	1,011,781,632	805,736,448
1.4B	1.3B	1,414,647,808	1,208,602,624
2.8B	2.7B	2,775,208,960	2,517,652,480
6.9B	6.7B	6,857,302,016	6,444,163,072
12B	13B	11,846,072,320	11,327,027,200