Pythia Scaling Suite是一套用于促进可解释性研究的模型集合 (see paper) 。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之后进行训练。所有8个模型大小都使用完全相同的数据、完全相同的顺序进行训练。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模型套件旨在促进大型语言模型的科学研究，特别是可解释性研究。尽管下游性能并不是设计目标，但我们发现该模型与OPT和GPT-Neo套件中的类似大小的模型的性能相匹配或超越。

有关先前的早期版本和命名约定的详细信息。

我们之前向公众发布了Pythia套件的早期版本。然而，我们决定重新训练模型套件，以解决一些超参数的差异。此模型卡片列出了更改内容；有关详细讨论，请参见Pythia论文的附录B。我们发现两个Pythia版本之间的基准性能没有任何差异。旧模型是 still available ，但如果您刚刚开始使用Pythia，我们建议使用重新训练的套件。这是当前的发布。

请注意，Pythia套件中的所有模型在2023年1月更名。为了清楚起见，在此模型卡片中提供了一张比较旧名称和新名称的表格，以及精确的参数计数。

Pythia-1B-deduped

模型详细信息

• 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频道中发布。在EleutherAI Discord中提问之前，请阅读现有的Pythia文档。有关一般通信，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可控的环境，进行科学实验。我们还提供每个模型的154个检查点：初始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上以分支方式进行托管。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。

您还可以进一步微调和适应Pythia-1B-deduped，只要您的使用符合Apache 2.0许可证。Pythia模型可以与Hugging Face Transformers Library 一起使用。如果您决定将预训练的Pythia-1B-deduped用作微调模型的基础，请进行自己的风险和偏差评估。

不适用范围的用途

Pythia套件不适用于部署。它本身不是一种产品，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。请评估与您特定用例相关的风险。

Pythia模型只适用于英语，不适用于其他语言的翻译或生成文本。

Pythia-1B-deduped未经过针对常见的语言模型部署背景的下游环境微调，如编写文学散文或商业聊天机器人。这意味着Pythia-1B-deduped对于给定的提示不会像ChatGPT等产品那样进行响应。这是因为ChatGPT等模型经过强化学习等方法的微调，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串文本并预测下一个标记。模型使用的标记不一定会生成最“准确”的文本。不要依赖Pythia-1B-deduped生成事实准确的输出。

此模型是在包含粗言秽语和淫秽或其他冒犯性文本的数据集 the Pile 上训练的。有关性别、宗教和种族方面的已知偏见的讨论，请参阅 Section 6 of the Pile paper 。Pythia-1B-deduped可能会生成社会上不可接受或不良的文本，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，我们建议在将其呈现给其他人之前请人员监管此语言模型的输出。请告知您的受众该文本是由Pythia-1B-deduped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])

详细了解如何使用所有Pythia模型，请参见 documentation on GitHub 。

培训

训练数据

Pythia-1B-deduped是在数据集去重之后的Pile上进行训练的。 The Pile 是一个825GiB的通用英文数据集。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）和杂项（例如GitHub，安然电子邮件）。有关所有数据源、方法论和道德影响的详细解释，请参见 the Pile paper 。有关Pile及其组成数据集的更详细文档，请参见 the datasheet 。可以从 official website 或 community mirror 下载Pile。

训练过程

所有模型都使用完全相同的数据、完全相同的顺序进行训练。每个模型在训练过程中看到了299,892,736,000个标记，并且每隔2,097,152,000个标记保存143个检查点，均匀分布在从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}。这对应于在非去重模型上对Pile进行不到1个时期的训练，对去重后的Pile进行约1.5个时期的训练。

所有Pythia模型在批大小为2M（2,097,152个标记）的条件下进行143000个步骤的训练。有关训练过程的更多细节，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

使用 LM Evaluation Harness 对所有16个Pythia模型进行了评估。您可以通过模型和步骤在 GitHub repository 的results/json/*中访问结果。展开下面的部分，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

变更日志

此部分比较了先前发布的 Pythia v0 与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，请参见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。以前，大小为160M、410M和1.4B的模型使用4M标记批大小进行训练。
• 我们在训练的初始化步骤（步骤0）和步骤{1,2,4,8,16,32,64,128,256,512}之后添加了检查点，除了每1000个训练步骤外。
• 新的重新训练套件使用了Flash Attention。
• 我们纠正了原始套件中存在的一个小不一致性：大小为2.8B及以下的所有模型都有一个学习率（LR）调度，将其衰减到起始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。在重新训练过程中，我们纠正了这个不一致性：现在所有模型都是使用衰减到最大LR的0.1倍的LR进行训练。

命名约定和参数计数

Pythia模型于2023年1月更名。可能某些文档仍以旧的命名约定为基础。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