Pythia Scaling Suite 是一组用于促进可解释性研究的模型集合。它包含了八种尺寸的模型，尺寸分别为70M、160M、410M、1B、1.4B、2.8B、6.9B和12B。对于每个尺寸，都有两种模型：一个是在数据集全局去重之后训练的，一个是在Pile上训练的。所有8种模型的尺寸都是按照相同的数据，并且按照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模型套件旨在促进对大型语言模型的科学研究，特别是可解释性研究。尽管下游性能不是设计目标，但我们发现这些模型在性能上能够匹配或超过类似尺寸的OPT和GPT-Neo套件中的模型。

以往早期发布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。此模型卡列出了这些更改；有关详细讨论，请参阅Pythia论文的附录B。我们发现两个Pythia版本之间在基准性能上没有差异。旧的模型是 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，Pythia套件中的所有模型在2023年1月进行了重新命名。为了明确起见，在模型卡中提供了旧名称和新名称的表格，并附有准确的参数计数。

Pythia-410M-deduped

模型细节

• 由 EleutherAI 开发
• 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、配置文件和使用方法的详细信息、 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：如需针对此模型提问，请加入 EleutherAI Discord ，并在#release-discussion中发布。在向EleutherAI Discord询问相关问题之前，请阅读现有的Pythia文档。如需一般联系：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 Suite的工程细节。给定尺寸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。

使用和限制

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。该套件旨在为进行科学实验提供受控环境。我们还提供每个模型的154个检查点：初始步骤0，10个对数间隔的检查点step{1,2,4...512}和从步骤1000到步骤143000之间的143个均匀间隔的检查点。这些检查点在Hugging Face上作为分支托管。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-410M-deduped进行微调和自适应，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-410M-deduped为基础来微调模型，请进行自己的风险和偏见评估。

超出范围的用途

Pythia套件不适合部署。它本身不是产品，也不能用于人机交互。例如，该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模型仅支持英文，不适合进行翻译或生成其他语言的文本。

Pythia-410M-deduped没有针对常见部署语言模型的下游环境进行微调，例如编写文学作品或商业聊天机器人。这意味着Pythia-410M-deduped不会像ChatGPT等产品那样根据指示生成回应。这是因为与此模型不同，ChatGPT使用了从人类反馈中强化学习的方法，以更好地“遵循”人类指示。

限制和偏见

大型语言模型的核心功能是接受一串文本并预测下一个标记。模型使用的标记不一定产生最“准确”的文本。不要依赖Pythia-410M-deduped生成准确的输出。

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 上进行了训练。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 。即使提示本身不包含明确冒犯性内容，Pythia-410M-deduped可能会生成社会上不可接受或不受欢迎的文本。

如果您计划使用通过Hosted Inference API生成的文本，我们建议在向其他人展示之前由人类策划此语言模型的输出。请告知您的观众该文本是由Pythia-410M-deduped生成的。

快速开始

可以通过以下代码加载和使用Pythia模型，此处以第三个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-410M-deduped是在全局去重后的Pile上进行训练的。 The Pile 是一个825GiB的通用英文数据集。它是由EleutherAI专门用于训练大型语言模型的。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，Enron Emails）。有关所有数据源、方法论和伦理影响的详细分析，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 下载，也可以从 community mirror 下载。

训练过程

所有模型都是按照完全相同的数据、完全相同的顺序进行训练的。每个模型在训练过程中看到了299,892,736,000个令牌，并且每2,097,152,000个令牌保存了143个检查点，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的Pile上训练不到1个时期的时间，而在去重后的Pile上训练大约1.5个时期。

所有的Pythia模型以2M（2,097,152个标记）的批量大小训练了143000步。有关训练过程的更多细节，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

所有的16个Pythia模型都使用 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的评估结果的绘图。

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

更改日志

此部分比较了先前发布的 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。

• 所有模型尺寸现在使用统一的2M标记批量大小进行训练。以前，尺寸为160M、410M和1.4B的模型使用的是4M标记批量大小进行训练。
• 我们增加了初始化（步骤0）和步骤{1,2,4,8,16,32,64,128,256,512}的检查点，除了每1000个训练步骤之外。
• 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矛盾：所有2.8B参数或更小的模型的学习率（LR）调度在衰减到最小LR时为起始LR的10%，但6.9B和12B模型都使用了衰减到0的LR调度。在重新进行的训练运行中，我们纠正了这一矛盾：现在所有的模型都是使用衰减到其最大LR的0.1倍的最小LR进行训练。

命名约定和参数计数

Pythia模型在2023年1月进行了重新命名。旧的命名约定可能仍然在某些文档中遗留下来。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