Pythia缩放套件是一套用于促进可解释性研究的模型集合。它包含了两组八个模型，大小分别为70M、160M、410M、1B、1.4B、2.8B、6.9B和12B。对于每个大小，有两个模型：一个是在Pile上训练的，一个是在全局去重后的Pile上训练的。所有8个模型大小都使用完全相同的数据按照完全相同的顺序进行训练。我们还在Hugging Face上作为分支提供了每个模型的154个中间检查点。

Pythia模型套件旨在促进对大型语言模型的科学研究，尤其是可解释性研究。尽管不以下游性能为设计目标，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的性能相匹配甚至优于它们。

之前的早期版本和命名约定的详细信息。

之前，我们向公众发布了Pythia套件的早期版本。然而，我们决定重新训练模型套件，以解决一些超参数不一致的问题。本模型卡列出了这些变化，请参阅Pythia论文的附录B进一步讨论。我们在这两个Pythia版本之间找不到任何基准性能上的差异。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。这是当前的版本。

请注意，Pythia套件中的所有模型在2023年1月进行了重新命名。为了清晰起见，模型卡中提供了旧名称和新名称的对照表，以及精确的参数统计。

Pythia-160M-deduped

模型细节

• 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 （有关训练过程、配置文件和使用细节） See paper （有关更多评估和实现细节）
• 库： GPT-NeoX
• 许可证：Apache 2.0
• 联系方式：要询问有关此模型的问题，请加入 EleutherAI Discord ，并在其中的＃release-discussion中提问。在EleutherAI Discord中询问有关Pythia的问题之前，请阅读现有的Pythia文档。有关一般通信，请发送电子邮件至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。给定大小的去重和非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

拟定用途

Pythia的主要使用目的是研究大型语言模型的行为、功能和限制。这个套件旨在为科学实验提供一个受控环境。我们还为每个模型提供了154个检查点：初始step0，以及10个对数间隔的检查点step{1,2,4...512}，以及从step1000到step143000的143个均匀间隔的检查点。这些检查点作为分支在Hugging Face上托管。请注意，分支143000与每个模型的main分支上的模型检查点完全相对应。

您还可以进一步微调和适应Pythia-160M-deduped进行部署，只要您的使用符合Apache 2.0许可证。Pythia模型适用于Hugging Face Transformers Library 。如果您决定以预训练的Pythia-160M-deduped为基础进行微调，请进行自己的风险和偏差评估。

超出范围的用途

Pythia套件不适用于部署。它本身不是一个产品，不能用于人机交互。例如，该模型可能生成有害或冒犯性的文本。请评估与您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-160M-deduped尚未针对常见的部署语境进行微调，比如写作流派散文或商业聊天机器人。这意味着Pythia-160M-deduped不会像ChatGPT等产品那样根据给定提示做出响应。这是因为，与此模型不同，ChatGPT使用强化学习来自人类反馈（RLHF）等方法进行了微调以更好地“遵循”人类指令。

限制和偏差

大型语言模型的核心功能是接收一个文本字符串并预测下一个标记。模型使用的标记不一定会产生最“准确”的文本。不要依赖Pythia-160M-deduped生成事实准确的输出。

该模型是在 the Pile 上进行训练的，该数据集已知包含亵渎和具有冒犯性或不良文本的内容。有关性别、宗教和种族方面的已记录偏见，请参阅 Section 6 of the Pile paper 中的讨论。Pythia-160M-deduped可能会产生不符合社会规范或不受欢迎的文本，即使提问本身不包含任何明确冒犯性的内容。

如果计划使用通过Hosted Inference API生成的文本，我们建议在向其他人展示之前由人员筛选此语言模型的输出。请告知你的观众该文本是由Pythia-160M-deduped生成的。

快速入门

可以通过以下代码加载和使用Pythia模型，以第三个pythia-70m-deduped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("Hello, I am", return_tensors="pt")
tokens = model.generate(**inputs)
tokenizer.decode(tokens[0])

修订/分支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

Pythia-160M-deduped是在去重的Pile上进行训练的。 The Pile 是一个英语通用数据集，共825GB。EleutherAI专门用于训练大型语言模型。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、Enron Emails）。有关所有数据源、方法论和伦理问题的详细分解，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 。Pile可以从 official website 或 community mirror 进行下载。

训练程序

所有模型都以完全相同的数据进行训练，按照完全相同的顺序。每个模型在训练过程中看到了299,892,736,000个标记，并且每2,097,152,000个标记保存了143个检查点，均匀地分布在从step1000到step143000（与main相同）。此外，我们还提供了频繁的早期检查点：step0和step{1,2,4...512}。这相当于在非去重模型上对Pile进行不到1个时期的训练，而在去重后的Pile上约1.5个时期的训练。

所有Pythia模型以2M（2,097,152个标记）的批大小进行143000步的训练。有关训练程序的更多详细信息，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

使用 LM Evaluation Harness 进行了对所有16个Pythia模型的评估。您可以在 GitHub repository 的results/json/*下按模型和步骤访问结果。展开以下部分以查看所有Pythia和Pythia-deduped模型与OPT和BLOOM进行比较的评估结果的图表。

LAMBADA – OpenAI Physical Interaction: Question Answering (PIQA) WinoGrande AI2 Reasoning Challenge—Easy Set SciQ

更改日志

本节比较了先前发布的 Pythia v0 和当前模型之间的差异。有关这些更改及其背后动机的详细讨论，请参阅Pythia论文的附录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。之前，160M、410M和1.4B参数大小的模型使用4M标记批大小进行训练。
• 我们添加了初始化（step0）和步骤{1,2,4,8,16,32,64,128,256,512}的检查点，除了每1000个训练步骤以外。
• 新的重新训练套件中使用了Flash Attention。
• 我们纠正了原先套件中存在的一个小不一致：大小为2.8B参数或更小的所有模型都使用学习率（LR）调度，将其衰减到起始LR的10%的最小LR，但6.9B和12B的模型都使用最小为0的LR调度。在重新训练的运行中，我们纠正了这个不一致：所有模型现在都使用LR衰减到最低0.1倍其最大LR。

命名约定和参数计数

Pythia模型在2023年1月更名。可能有一些文档中仍然存在旧的命名约定。当前的命名约定（70M、160M等）基于总参数计数。

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