Pythia Scaling Suite是一套模型，旨在促进可解释性研究 (see paper) 。它包含了两套共八个模型，规模分别为70M，160M，410M，1B，1.4B，2.8B，6.9B和12B。对于每个规模，都有两个模型：一个在Pile上训练，一个在全局去重的Pile上训练。所有8个模型规模都是按照完全相同的数据、完全相同的顺序进行训练的。我们还提供了每个模型的154个中间检查点，托管在Hugging Face上的branch上。

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。尽管下游性能并非设计目标，但我们发现这些模型在性能方面与OPT和GPT-Neo套件中的类似大小的模型相匹配甚至超过。

有关先前提前发布和命名约定的详细信息，请参见附录B中的Pythia论文。我们发现两个Pythia版本之间的基准性能没有差异。旧模型为 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。这是当前版本。

请注意，Pythia套件中的所有模型在2023年1月更名。为了清晰起见，此模型卡片中提供了比较旧名称和新名称以及精确的参数计数的表格。

Pythia-6.9B-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 （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的信息）
• 库： GPT-NeoX
• 许可证：Apache 2.0
• 联系方式：要就此模型提出问题，请加入 EleutherAI Discord ，并在#release-discussion中发布。在EleutherAI Discord上提问之前，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	—

为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

使用目的

Pythia主要用于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一个受控环境。我们还提供了每个模型的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的143个均匀间隔检查点。这些检查点托管在Hugging Face上的branch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相对应。

您还可以进一步微调和适应Pythia-6.9B-deduped以进行部署，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-6.9B-deduped为基础进行微调，那么请进行自己的风险和偏见评估。

范围外的使用

Pythia Suite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，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模型仅适用于英语，不适用于翻译或生成其他语言的文本。

Pythia-6.9B-deduped未经过微调，不能用于常见的语言模型部署背景，如写作流派散文或商业聊天机器人。这意味着Pythia-6.9B-deduped不会像ChatGPT等产品那样根据给定的提示进行响应。这是因为与此模型不同，ChatGPT使用了诸如强化学习从人类反馈中学习（RLHF）等方法进行微调，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将一系列文本预测为下一个标记。模型使用的标记未必产生最“准确”的文本。不要依赖Pythia-6.9B-deduped生成事实准确的输出。

该模型是在含有粗话、淫秽或其他冒犯性文本的数据集 the Pile 上进行训练的。有关性别、宗教和种族方面的已记录偏见的讨论，请参见 Section 6 of the Pile paper 。Pythia-6.9B-deduped可能会生成社会不可接受或不受欢迎的文本，即使提示本身不包含任何明确冒犯的内容。

如果您计划使用通过托管推理API生成的文本，我们建议在将其呈现给其他人之前，有一个人类对这个语言模型的输出进行筛选。请告知您的观众该文本是由Pythia-6.9B-deduped生成的。

快速入门

通过以下代码可以加载和使用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])

修订版/分支step143000与每个模型的main分支上的模型检查点完全相对应。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

Pythia-6.9B-deduped是在经过全局去重处理的Pile上训练的。 The Pile 是一个英语通用数据集，大小为825GiB。EleutherAI专门为训练大型语言模型而创建了这个数据集。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）和其他（例如GitHub，Enron电子邮件）。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 。Pile可以从 official website 或 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个标记，并且每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}。这对应于在未去重的模型中在Pile上训练不到1个周期，以及在去重后的Pile上训练约1.5个周期。

所有Pythia模型在批量大小为2M（2,097,152个标记）下进行了143,000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

所有16个Pythia模型都使用 LM Evaluation Harness 进行了评估。您可以在 GitHub repository 的results/json/*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

变更日志

此部分比较了之前发布的 Pythia v0 和当前模型之间的差异。有关这些更改以及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。

• 所有模型规模现在都使用2M标记的统一批量大小进行训练。此前，大小为160M、410M和1.4B参数的模型使用的批量大小为4M标记。
• 我们在初始化（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个训练步骤保存一个检查点。
• 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轻微的不一致性：大小为2.8B参数或更小的所有模型的学习率（LR）调度都会衰减到起始LR的10%作为最小LR，但6.9B和12B的模型都使用LR调度，将最小LR衰减为0。在重新训练运行中，我们纠正了这个不一致性：现在所有的模型都是以最大LR的0.1倍衰减到最小LR。

命名约定和参数计数

Pythia模型在2023年1月更名。旧的命名约定可能仍然在某些文档中出现。当前的命名约定（70M，160M等）是基于总参数计数的。

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