Pythia Scaling Suite是一组旨在促进可解释性研究的模型集合。它包含了两组8种不同规模的模型，分别为70M、160M、410M、1B、1.4B、2.8B、6.9B和12B。对于每个规模，都有两个模型：一个是在Pile数据集上训练的，另一个是在去重后的Pile数据集上训练的。所有8种模型大小都使用完全相同的数据以完全相同的顺序进行训练。所有Pythia模型都可以在 on Hugging Face 处获得。

Pythia模型套件专门设计用于推动大型语言模型的科学研究，特别是解释性研究。尽管下游性能并非设计目标，我们发现这些模型的性能与OPT和GPT-Neo套件中类似规模的模型相当或超过。

请注意，Pythia套件中的所有模型在2023年1月已更名。为了清晰起见，此模型卡片中提供了旧名称和新名称的对照表，以及确切的参数计数。

Pythia-160M

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 ，了解训练过程、配置文件和使用细节
• 库： GPT-NeoX
• 许可证：Apache 2.0
• 联系方式：如需有关此模型的问题，请加入 EleutherAI Discord ，并在#release-discussion中发布问题。在EleutherAI Discord中提问之前，请阅读现有的Pythia文档。有关一般事务的通讯：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	4M	6.0 x 10 -4	GPT-Neo 125M, OPT-125M
410M	302,311,424	24	1024	16	4M	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	4M	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 Suite的工程细节。给定规模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。该套件旨在提供一个受控的环境，进行科学实验。为了研究语言模型在训练过程中的变化，我们提供了每个模型143个均匀间隔的中间检查点。这些检查点作为分支存储在Hugging Face上。请注意，分支143000恰好对应于每个模型的main分支上的模型检查点。

您还可以进一步微调和适应Pythia-160M以进行部署，只要您的用途符合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-160M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套件不适用于部署。它本身不是产品，不能用于人机交互。

Pythia模型仅适用于英文，并不适合翻译或生成其他语言的文本。

Pythia-160M未经过下游情景的微调，这些情景通常部署语言模型，比如写作流派散文或商业聊天机器人。这意味着Pythia-160M不会像ChatGPT那样根据人类反馈通过增强学习等方法进行微调以更好地“理解”人类指令。

限制和偏见

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令牌。模型认为统计上最有可能的令牌不一定会产生最“准确”的文本。不要依赖Pythia-160M产生事实准确的输出。

该模型是基于 the Pile 训练的数据。该数据集已知包含亵渎、淫秽或其他令人不悦的文本。有关有关性别、宗教和种族的已记录偏见的讨论，请参见 Section 6 of the Pile paper 。即使提示本身不包含任何明确的冒犯性内容，Pythia-160M可能会生成社会上不可接受或不良的文本。

如果您计划使用通过Hosted Inference API生成的文本，请确保在将其呈现给其他人之前由人类进行审核。请告知您的听众该文本是由Pythia-160M生成的。

快速入门

可以通过以下代码加载和使用Pythia模型，这里以第三个pythia-70m-deduped检查点为示例：

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，请参见 documentation on GitHub 。

训练

训练数据

The Pile 是一个825GiB的英语通用数据集。它是由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，大致分为五类：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）和杂项（例如GitHub、Enron电子邮件）。有关所有数据源、方法论和伦理影响的详细说明，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 下载。使用Pile训练Pythia-160M时，并未进行去重处理。

训练过程

所有模型都是在完全相同的数据上以完全相同的顺序进行训练的。每个模型在训练过程中共看到299,892,736,000个令牌，并且每2,097,152,000个令牌保存143个检查点，均匀分布在整个训练过程中。这相当于在非去重数据集上训练不到1个epoch，在去重的Pile上大约训练了1.5个epoch。

所有Pythia模型在批处理大小为2,097,152个令牌的情况下训练了相当于143000个步骤。使用了两种批处理大小：2M和4M。以4M令牌为大小的模型的原始训练步骤为71500，每500步保存一个检查点。Hugging Face上的检查点为了与所有2M批处理模型保持一致，在命名时进行了重命名，因此step1000是保存的pythia-1.4b的第一个检查点（对应于训练的第500步），同样，step1000也是保存的pythia-6.9b的第一个检查点（对应于1000个“实际”步骤）。有关训练过程的更多详细信息，请参见 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模型都使用 LM Evaluation Harness 进行了评估。您可以在结果/ json/*中按模型和步骤访问结果，结果存储在 GitHub repository 中。展开下面的部分，查看所有Pythia和Pythia-deduped模型与OPT和BLOOM进行比较的评估结果图。

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

命名规则和参数计数

Pythia模型在2023年1月更名。某些文档可能仍然意外地使用旧的命名规则。当前的命名规则（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