Petal-1-150M
компактная языковая модель на 152M параметров с нуля
2 мин чтенияобновлено
Petal-1-150M — это сверхлёгкая англоязычная LLM (большая языковая модель) от автора GautierP, обученная полностью с нуля. В корне репозитория лежит версия после SFT (дообучения на инструкциях) в формате компактного ассистента для кратких ответов и базовой арифметики, а в папке base/ доступна предобученная базовая версия. По бенчмаркам базовая модель обходит Pythia-160m на большинстве задач, но уступает SmolLM2-135M. Подойдёт для экспериментов с локальным запуском на слабом железе, обучения и дообучения компактных архитектур.
Ключевые особенности
- Архитектура включает 18 слоёв с размерностью 768, 12 голов внимания, FFN 2048, RoPE и общие эмбеддинги (tied embeddings), всего 152,596,224 параметра.
- Используется токенизатор BPE с разделением цифр (digit-splitting BPE) и словарём на 32 768 токенов, длина контекста — 2048 токенов.
- В одном репозитории доступны сразу два чекпоинта: финальный диалоговый ассистент и предобученная база в директории
base/. - Полностью открытый код обучения (Mini-LLM) и оценки (Mini-Eval) под свободной лицензией MIT.
Что можно сделать
- Запускать локально через библиотеку
transformersдля прототипирования простых чат-ботов с короткой историей диалога (рекомендуется держать системный промпт и последние 4 реплики). - Использовать базовый чекпоинт из
base/и открытый пайплайн Mini-LLM как основу для собственных экспериментов по файнтюнингу сверхмалых моделей.
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("GautierP/Petal-1-150M", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("GautierP/Petal-1-150M", trust_remote_code=True)
prompt = "System: You are Petal, a small AI assistant.\nUser: What is 2+2?\nAssistant:"
inputs = tok(prompt, return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=64)
print(tok.decode(out[0][inputs["input_ids"].shape[1]:]))
Подробнее
Бенчмарки (базовая модель, zero-shot): HellaSwag — 0.336, ARC-Easy — 0.479, PIQA — 0.628, SciQ — 0.685, Wikitext — 0.890 bits/byte.Ограничения: только английский язык; из-за малого размера (150M) модель не хранит энциклопедических знаний, склонна к галлюцинациям и справляется лишь с простейшей арифметикой.
Безопасность: модель не проходила safety-тюнинг, отказы от ответов минимальны.










Комментарии