Pythia Scaling Suite是一套用于促进可解释性研究的模型集合。该套件包括大小为70M、160M、410M、1B、1.4B、2.8B、6.9B和12B的两组八个模型。每个大小都有两个模型：一个是在Pile上训练的，另一个是在数据集进行全局去重之后在Pile上训练的。所有8种模型大小都是按照完全相同的数据和完全相同的顺序进行训练的。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模型套件的设计目标是促进对大型语言模型的科学研究，特别是可解释性研究。尽管并未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的性能相匹配或超越。

先前版本的早期发布和命名约定的详细信息。

以前，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。这份模型卡列出了更改内容，请参阅Pythia论文附录B进行进一步讨论。我们发现两个Pythia版本之间的基准性能没有差异。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。这是当前的发布版本。

请注意，Pythia套件中的所有模型已在2023年1月改名。为了清楚起见，我们在本模型卡中提供了旧名称和新名称的表格，以及确切的参数计数。

Pythia-410M

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： Pythia's GitHub repository （有关训练过程、配置文件和使用方法的详细信息） See paper （有关更多评估和实施细节）
• 库： GPT-NeoX
• 许可证：Apache 2.0
• 联系方式：如果有关于该模型的问题，请加入 EleutherAI Discord ，并在#release-discussion中发帖。在EleutherAI Discord中提问之前，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。具有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的主要拟定用途是研究大型语言模型的行为、功能和限制。该套件旨在提供进行科学实验的受控环境。我们还针对每个模型提供了154个检查点：初始步骤0，10个对数间隔检查点step{1,2,4...512}，以及从step1000到step143000每隔143个均匀间隔的检查点。这些检查点作为分支托管在Hugging Face上。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调整Pythia-410M以用于部署，只要您的使用符合Apache 2.0许可证的规定。Pythia模型可与Hugging Face Transformers Library 一起使用。如果您决定将预训练的Pythia-410M作为您自己微调模型的基础，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，模型可能会生成有害或冒犯性的文本。请评估与您的特定用例相关的风险。

Pythia模型仅限英语，不适用于翻译或生成其他语言的文本。

Pythia-410M未经针对通常部署语言模型的下游环境进行微调，例如编写文体散文或商业聊天机器人。这意味着Pythia-410M不会像ChatGPT等产品那样根据指定的提示进行响应。这是因为与这个模型不同，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。

限制和偏差

大型语言模型的核心功能是输入一段文本并预测下一个标记。模型使用的标记不一定会产生最“准确”的文本。请不要依赖Pythia-410M生成事实准确的输出。

该模型是在 the Pile 数据集上训练的，该数据集已知包含亵渎、淫秽或其他带有冒犯性的文本。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 。即使提示本身不包含任何明确的冒犯性内容，Pythia-410M可能会生成社会上不可接受或不理想的文本。

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工进行筛选。请告知您的受众该文本是由Pythia-410M生成的。

快速入门

可以通过以下代码加载和使用Pythia模型，以下示例演示了如何加载第三个pythia-70m-deduped检查点：

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

The Pile 是一个825GiB的通用英语数据集。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）和其他杂项（例如GitHub、Enron电子邮件）。有关所有数据来源、方法论和伦理影响的详细情况，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。在用于训练Pythia-410M之前，未对Pile进行去重。

训练过程

所有模型都使用完全相同的数据以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2,097,152,000个标记保存一次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上对Pile进行不到1个时期的训练，以及在去重后的Pile上进行约1.5个时期的训练。

所有Pythia模型都以2M（2,097,152个标记）的批次大小训练了143,000个步骤。有关训练过程的更多详细信息，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

所有16个Pythia模型都使用 LM Evaluation Harness 进行评估。您可以在 GitHub repository 中按模型和步骤访问结果。展开以下各节以查看包含所有Pythia和Pythia-deduped模型与OPT和BLOOM进行比较的评估结果的绘图。

LAMBADA – OpenAI 物理交互：问答（PIQA）WinoGrande AI2推理挑战 - 简单集合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。有关这些变化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。

• 所有模型大小现在都使用统一的2M标记批次大小进行训练。先前，大小为160M、410M和1.4B的模型的批次大小为4M标记。
• 我们在每次训练步骤1000之外还增加了初始化（步骤0）和步骤{1,2,4,8,16,32,64,128,256,512}的检查点。
• 在新的重新训练套件中使用了Flash Attention。
• 我们纠正了原套件中存在的一个轻微矛盾之处：所有参数为2.8B或更小的模型的学习率（LR）计划都会衰减到最小LR的起始LR的10%，但6.9B和12B模型都使用将学习率衰减到最小为0的LR计划。在重新训练过程中，我们纠正了这种矛盾：所有模型现在都使用将学习率衰减到最大LR的0.1倍的LR。

命名约定和参数计数

Pythia模型在2023年1月更名。可能还会在某些文档中意外保留旧的命名约定。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