Репозиторий содержит две версии компактной языковой модели на 124 миллиона параметров, написанной на чистом PyTorch с использованием архитектуры GPT-2. Базовая модель обучена с нуля на датасете FineWeb-EDU (9.83 миллиарда токенов), а чат-версия дообучена методом SFT (контролируемое дообучение) на датасете smol-smoltalk для диалогового режима. На выходе модель выдает продолжение текста или ответы на вопросы в соответствии с форматом чата. Проект отлично подойдет для изучения процессов предобучения и SFT, а также для экспериментов с небольшими моделями.
Ключевые особенности
Архитектура decoder-only transformer (GPT-2): 12 слоев, 12 голов внимания, размерность 768, контекст на 1024 токена.
Включает базовую модель для продолжения текста и чат-версию для ответов на вопросы.
Предобучена на 9.83 миллиарда токенов FineWeb-EDU.
Дообучена (SFT) на 403 748 диалогах из набора smol-smoltalk.
Что можно сделать
Провести эксперименты с предобучением и SFT небольших языковых моделей.
Использовать в качестве отправной точки для настройки предпочтений (DPO) или экспериментов с LoRA.
Протестировать разницу между базовой и чат-версией модели в интерактивном пространстве Hugging Face.
Пример
Пример загрузки и запуска модели с помощью скрипта из пространства репозитория:
import shutil
from huggingface_hub import hf_hub_download
shutil.copy(hf_hub_download("adarsh-007/firstlight-chat", "model.py", repo_type="space"), "model.py")
from model import load_model, render_chat, stream
chat = load_model("chat")
ids = render_chat([{"role": "user", "content": "What is photosynthesis?"}])
for reply in stream(chat, ids, max_new_tokens=300, temperature=0.7, top_k=50):
pass
print(reply)
ПодробнееБенчмарки: HellaSwag (acc_norm) — 30.30% для базовой модели и 29.81% для чат-версии (против 29.55% у OpenAI GPT-2 124M). Ограничения: модель склонна уверенно генерировать неверные факты, путать цифры и повторяться при длинных ответах. Лицензия: MIT.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# adarsh-007/firstlight-124m — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve adarsh-007/firstlight-124m --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии