Pythia Scaling Suite 是一套用于促进可解释性研究的模型集合。它包含了大小为70M、160M、410M、1B、1.4B、2.8B、6.9B和12B的两组八个模型。对于每个大小，都有两个模型：一个在Pile上进行训练，一个在数据集全局去重后进行训练。所有8个模型大小都是在完全相同的数据和完全相同的顺序上进行训练的。我们还在Hugging Face上提供了每个模型154个中间检查点，作为分支进行托管。

Pythia模型套件被有意设计为促进对大型语言模型的科学研究，尤其是可解释性研究。尽管没有将下游性能作为设计目标，但我们发现这些模型与OPT和GPT-Neo套件中类似大小的模型在性能上匹配甚至超过。

previous early release的细节和命名约定。

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来解决一些超参数不一致的问题。此模型卡列出了这些更改，请参阅Pythia论文的附录B进行进一步讨论。我们发现两个Pythia版本之间在基准性能上没有任何区别。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。这是当前发布的版本。

请注意，在2023年1月，Pythia套件中的所有模型都进行了重新命名。为了清晰起见，在此模型卡中提供了旧名称和新名称的对照表，以及精确的参数数量。

Pythia-160M

模型细节

• 开发者： EleutherAI
• 模型类型：基于Transformer的语言模型
• 语言：英文
• 了解更多： 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：Apache 2.0
• 联系： EleutherAI Discord （加入EleutherAI Discord并在#release-discussion中发布问题）。在询问有关Pythia的问题之前，请阅读现有的Pythia文档。有关一般联系信息，请发送邮件至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	—

关于Pythia Suite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

预期用途

Pythia的主要预期用途是对大型语言模型的行为、功能和限制进行研究。该套件旨在为进行科学实验提供一个受控环境。我们还针对每个模型提供了154个检查点: 初始的 step0 ，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。这些检查点在Hugging Face上作为分支进行托管。请注意，分支143000与每个模型的main分支上的模型检查点完全对应。

您还可以进一步对Pythia-160M进行微调和适应，只要您的使用符合Apache 2.0许可。Pythia模型与Hugging Face兼容。如果您决定以预训练的Pythia-160M作为您的微调模型的基础，请进行自己的风险和偏见评估。

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，不能用于面向人类的交互。例如，模型可能会生成有害或冒犯性文字。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没有针对常见的语言模型部署场景（例如编写类型散文或商业聊天机器人）进行微调。这意味着Pythia-160M不会像ChatGPT等产品那样对给定提示做出响应。这是因为与该模型不同，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一串文本并预测下一个令牌。模型使用的令牌不一定产生最“准确”的文本。永远不要依赖Pythia-160M来产生事实准确的输出。

这个模型是在 the Pile 上进行训练的，该数据集已知包含亵渎、淫秽或其他冒犯性的文本。有关与性别、宗教和种族相关的已记录偏见的讨论，请参阅 Section 6 of the Pile paper 。Pythia-160M可能会生成社会不可接受或不希望的文本，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Hosted Inference API生成的文本，请在呈现给其他人之前由人类对这个语言模型的输出进行审查。请告知您的观众文本是由Pythia-160M生成的。

快速开始

Pythia模型可以通过以下代码加载和使用，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 完全对应于每个模型的 main 分支上的模型检查点。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，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邮件）。有关所有数据源、方法论和伦理问题的详细信息，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。在用于训练Pythia-160M之前，Pile未经去重。

训练过程

所有模型在完全相同的数据和完全相同的顺序上进行训练。每个模型在训练过程中看到了299,892,736,000个令牌，并且每隔2,097,152,000个令牌保存143个检查点，均匀分布在 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的Pile上进行了不到1个时期的训练，而在去重后的Pile上进行了大约1.5个时期的训练。

所有Pythia模型都以2M（2,097,152个令牌）的批量大小训练了143,000个步骤。有关训练过程的更多细节，请参阅 GitHub ，其中还包括 how to reproduce it 。Pythia使用与 GPT-NeoX- 20B 相同的分词器。

评估

所有16个Pythia模型均使用 LM Evaluation Harness 进行了评估。您可以在 GitHub repository 中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

本节比较了先前版本 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进一步讨论，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。

• 现在所有模型大小都使用统一的2M令牌批量大小进行训练。之前，大小为160M、410M和1.4B的模型是使用4M令牌批量大小进行训练的。
• 我们在初始化（step 0）和步骤{1,2,4,8,16,32,64,128,256,512}之外还添加了检查点，以及每1000个训练步骤。
• 新的重新训练套件中使用了Flash Attention。
• 我们纠正了原始套件中存在的一个小的不一致性：大小为2.8B参数或更小的所有模型的学习率（LR）调度都会衰减到最小LR的开始LR的10%，但是6.9B和12B模型都使用了一个将最小LR衰减到0的LR调度。在重新进行的训练运行中，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倍作为最小LR进行训练。

命名约定和参数数量

Pythia模型在2023年1月进行了重命名。可能部分文档中仍然存在旧的命名约定。当前的命名约定（70M、160M等）基于总参数数量。

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