компактная языковая модель с нуля на одной ноутбучной GPU
schedule 2 мин чтенияобновлено
Экспериментальная базовая LLM (большая языковая модель) на 362 млн параметров от автора athenista для продолжения текста на английском и французском языках. Модель обучена с нуля без опоры на готовые веса на образовательных веб-датасетах FineWeb-Edu и FineWeb2-HQ, но не проходила instruction-tuning (настройку под диалог и выполнение команд). В отличие от младшей версии SLM-Tavenel 124M, она чуть точнее предсказывает образовательные тексты, но не обходит её по среднему баллу на шести стандартных бенчмарках — автор честно публикует этот отрицательный результат вместе с полными логами обучения. Релиз пригодится исследователям и энтузиастам, которые изучают претрейн небольших моделей на ограниченном железе.
Ключевые особенности
Обучена с нуля на одной ноутбучной видеокарте NVIDIA RTX 4060 (8 ГБ) за 8 000 шагов и 524 млн токенов.
Современная архитектура каузального декодера: GQA (групповое внимание: 15 query- и 5 key/value-голов), SwiGLU, RoPE (theta 100 000) и входной сигмоидный гейт на выход внимания.
Использует токенизатор SmolLM2 на 49 152 токена и поддерживает контекстное окно до 2 048 токенов с KV-кэшем.
Полная воспроизводимость: выложены манифесты корпуса, логи потерь и энергопотребления, а также проверочные логиты.
Что можно сделать
Изучить пайплайн претрейна компактной двуязычной модели на 8 ГБ VRAM (видеопамяти) по открытым логам и манифестам автора.
Использовать как базовый чекпоинт для собственных экспериментов с дообучением (SFT) на английских или французских текстах.
Сравнить поведение архитектур разного масштаба (124M против 362M) при ограниченном бюджете токенов.
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
model_id = "athenista/slm-tavenel-362m"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, dtype=torch.float32).eval()
inputs = tokenizer("La recherche scientifique permet de", return_tensors="pt")
print(tokenizer.decode(model.generate(**inputs, max_new_tokens=48)[0], skip_special_tokens=True))
ПодробнееБенчмарки (raw acc): среднее по 6 задачам — 0.348 (против 0.352 у SLM-Tavenel 124M и 0.467 у SmolLM2 360M); ARC-Easy — 0.484, WinoGrande — 0.512, Belebele EN/FR — 0.298/0.302. На тестовом образовательном сплите (10 156 документов) BPB составил 1.0572 против 1.0686 у версии 124M (меньше — лучше). Железо и вес: веса в float32 занимают ~1.45 ГБ, KV-кэш на 2 048 токенов добавляет ~160 МиБ; скорость на CPU Intel Core i7-12650H — 6.10 токена/с. Ограничения: это сырая базовая модель без квантования, склонная к повторам и фактическим ошибкам; left-padding не валидирован.
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.
# athenista/slm-tavenel-362m — A30, FP8 / INT8
# ===== Токены: вставьте свои между кавычками =====
export HF_TOKEN="" # huggingface.co/settings/tokens — для закрытых моделей
# ==========================================
# 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 athenista/slm-tavenel-362m --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