{"id":365895,"date":"2024-05-21T02:47:49","date_gmt":"2024-05-21T02:47:49","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=365895"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=365895","title":{"rendered":"<span>\u0412\u0438\u0445\u0440\u044c \u2014 \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u043e \u043f\u0435\u0440\u0435\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0445 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u044b\u0445 LLM<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u0412 \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u043c \u043c\u0438\u0440\u0435 LLM, \u0442\u0430\u043a\u0436\u0435 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u044b\u0445 \u043a\u0430\u043a &#171;\u0447\u0443\u0434\u043e \u0442\u0435\u0445\u043d\u0438\u043a\u0438&#187;, \u0441\u043b\u043e\u0436\u0438\u043b\u0430\u0441\u044c \u0437\u0430\u0431\u0430\u0432\u043d\u0430\u044f \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044f: \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e LLAMA, Mistral \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 open source \u043f\u0440\u043e\u0435\u043a\u0442\u044b \u043d\u0435 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u044e\u0442 \u043d\u0438\u0447\u0435\u0433\u043e, \u043a\u0440\u043e\u043c\u0435 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430, \u043d\u043e \u044d\u0442\u043e \u043d\u0435 \u0441\u043e\u0432\u0441\u0435\u043c \u0442\u0430\u043a. \u041e\u043d\u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u044e\u0442 \u0434\u0440\u0443\u0433\u0438\u0435 \u044f\u0437\u044b\u043a\u0438, \u0434\u0430\u0436\u0435 \u0441 \u043d\u0435\u043f\u043b\u043e\u0445\u0438\u043c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e\u043c, \u043d\u043e \u0435\u0441\u0442\u044c \u043d\u044e\u0430\u043d\u0441 \u2014 \u043f\u043b\u043e\u0442\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043d\u0438\u0437\u043a\u0430\u044f-> \u0432 \u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0438 \u0447\u0435\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0435 \u0431\u0443\u0434\u0443\u0442 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043d\u0430 \u044f\u0437\u044b\u043a\u0430\u0445 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u043e\u0442\u043b\u0438\u0447\u043d\u044b\u0445 \u043e\u0442 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u043e\u0433\u043e.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/7d8\/e45\/22c\/7d8e4522c5c7566f220d5f19a17a8410.png\" width=\"686\" height=\"842\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/7d8\/e45\/22c\/7d8e4522c5c7566f220d5f19a17a8410.png\"\/><\/figure>\n<p>LLama1 \u0434\u0430\u0442\u0430\u043c\u0438\u043a\u0441, \u0443 Mistral \u043e\u043d \u043d\u0435\u0438\u0437\u0432\u0435\u0441\u0442\u0435\u043d, \u043d\u043e \u0441\u043a\u043e\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e \u0447\u0442\u043e \u0442\u043e \u043f\u043e\u0445\u043e\u0436\u0435\u0435 \u0438 \u0432 \u0440\u0430\u0437\u044b \u0431\u041e\u043b\u044c\u0448\u043e\u0435.<\/p>\n<p>\u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u0440\u0443\u0441\u0441\u043a\u0438\u0439 \u0432 CommonCrawl(\u0432\u0445\u043e\u0434\u0438\u0442 \u0432 \u0442\u043e\u043f10 \u044f\u0437\u044b\u043a\u043e\u0432 \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442\u0430) + Wiki + \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0432 Github. \u0422\u043e\u0436\u0435 \u0441\u0430\u043c\u043e\u0435 \u043a\u0430\u0441\u0430\u0435\u0442\u0441\u044f \u043a\u0438\u0442\u0430\u0439\u0441\u043a\u043e\u0433\u043e, \u043a\u043e\u0440\u0435\u0439\u0441\u043a\u043e\u0433\u043e \u0438 \u043f\u0440\u043e\u0447\u0438\u0445.\u00a0<\/p>\n<p>\u0410 \u043f\u043e \u0438\u0442\u043e\u0433\u0443 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043d\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445 \u043e\u0447\u0435\u043d\u044c \u0445\u043e\u0440\u043e\u0448\u0438\u0435, \u0432\u043e \u043c\u043d\u043e\u0433\u043e\u043c \u0437\u0430 \u0441\u0447\u0435\u0442 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u0431\u041e\u043b\u044c\u0448\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u0431\u0435\u043d\u0447\u0435\u0439 \u043f\u043e\u0434\u0440\u0430\u0437\u0443\u043c\u0435\u0432\u0430\u0435\u0442 Accuracy -\u0442\u0435 \u0432\u044b\u0431\u043e\u0440 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0433\u043e \u043e\u0442\u0432\u0435\u0442\u0430, \u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043f\u043e\u043b\u043d\u0435 \u0442\u043e\u0447\u043d\u043e \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u0432\u0435\u0440\u043d\u044b\u0439 \u043e\u0442\u0432\u0435\u0442. \u041f\u0440\u0438\u043c\u0435\u0440 \u0434\u043b\u044f mmlu \u0438 \u043b\u0430\u043c\u043c \u043d\u0438\u0436\u0435.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/50e\/fa7\/574\/50efa757461548257fcc95243733143c.png\" width=\"1138\" height=\"558\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/50e\/fa7\/574\/50efa757461548257fcc95243733143c.png\"\/><\/figure>\n<h3>Saiga<\/h3>\n<p>\u041e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u0440\u0435\u0441\u043f\u0435\u043a\u0442 \u0418\u043b\u044c\u0435 \u0413\u0443\u0441\u0435\u0432\u0443 \u0437\u0430 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u0441\u0430\u0439\u0433\u0438 \u2013 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0439 \u0440\u0443\u0441\u0441\u043a\u043e\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0442\u0438\u0432\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438\u00a0<a href=\"https:\/\/habr.com\/ru\/articles\/759386\/\" rel=\"noopener noreferrer nofollow\">\u0441\u0442\u0430\u0442\u044c\u044f<\/a>.<\/p>\n<p>\u0418 \u0442\u0443\u0442 \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u0441\u044f \u0441\u0430\u043c\u043e\u0435 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e\u0435 &#8212; Saiga \u0431\u044b\u043b\u0430 \u0434\u043e\u0443\u0447\u0435\u043d\u0430 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0438 \u0434\u043e \u0441\u0438\u0445 \u043f\u043e\u0440 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0431\u0430\u0437\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e(\u0434\u043b\u044f \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u0441\u0442\u0430\u0440\u0442\u0430 &#8212; \u0442\u0430\u043a \u0442\u043e\u0447\u043d\u043e) \u0434\u043b\u044f \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0430 \u0437\u0430\u0434\u0430\u0447 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u043e\u043c \u044f\u0437\u044b\u043a\u0435.\u00a0<\/p>\n<p>\u041d\u043e \u0441 \u043d\u0435\u0439 \u0435\u0441\u0442\u044c \u043e\u0434\u043d\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 &#8212; \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u044f!<\/p>\n<p>\u0415\u0441\u043b\u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u043e: \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 \u044d\u0442\u043e \u0448\u0442\u0443\u043a\u0430 \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0431\u044c\u0435\u0442 str \u0432 \u0446\u0438\u0444\u0435\u0440\u043a\u0438 [0, max_tokenizer], \u0443\u0447\u0438\u0442\u044c\u0441\u044f \u043a\u0430\u043a \u0434\u0435\u0440\u0435\u0432\u043e \u043e\u0441\u0442\u0430\u0442\u043a\u043e\u0432 \u0442\u0435 \u0443\u0447\u0438\u0442\u044c\u0441\u044f \u043f\u0438\u0445\u0430\u0442\u044c \u043c\u0430\u043a\u0441 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0432 \u0442\u043e\u043a\u0435\u043d, \u0430 BBpe \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u044b(\u0432\u0441\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u044f \u0441 gpt2 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e~ ) \u00a0 \u0443\u043c\u0435\u044e\u0442 \u0435\u0449\u0435 \u0438 \u0431\u0430\u0439\u0442\u044b \u043f\u0435\u0440\u0435\u0432\u0430\u0440\u0438\u0432\u0430\u0442\u044c. <a href=\"https:\/\/huggingface.co\/learn\/nlp-course\/chapter6\/5?fw=pt\" rel=\"noopener noreferrer nofollow\">\u0427\u0438\u0442\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435<\/a> (\u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0441\u0443\u043d\u0443\u0442\u044c \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u0432 <a href=\"https:\/\/openai.com\/research\/image-gpt\" rel=\"noopener noreferrer nofollow\">byte like<\/a> \u0432\u0438\u0434\u0435 \u0432 \u043c\u043e\u0434\u0435\u043b\u044c)\u00a0<\/p>\n<p>\u0414\u043b\u044f \u043d\u0430\u0441 \u0432\u0430\u0436\u043d\u043e \u0447\u0442\u043e \u0443 \u0440\u0443\u0441\u0441\u043a\u0438\u0445(\u0441\u0431\u0435\u0440, \u044f\u043d\u0434\u0435\u043a\u0441) \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u043a\u0430\u0436\u0434\u044b\u0435 \u0442\u0440\u0438 \u0441\u0438\u043c\u0432\u043e\u043b\u0430 \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f 1 \u0442\u043e\u043a\u0435\u043d, \u0430 \u0443 Llama\/Mistral\/Gpt4(\u0432 \u043c\u0435\u043d\u044c\u0448\u0435\u0439 \u0441\u0442\u0435\u043f\u0435\u043d\u0438) \u043d\u0430 ~ \u041a\u0410\u0416\u0414\u042b\u0419 \u0441\u0438\u043c\u0432\u043e\u043b \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043a\u0435\u043d.\u00a0<\/p>\n<p>\u0412\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0442\u0430\u043a:<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/53c\/d65\/2e4\/53cd652e47ae6ef55e7a38af34360d56.png\" width=\"1402\" height=\"478\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/53c\/d65\/2e4\/53cd652e47ae6ef55e7a38af34360d56.png\"\/><\/figure>\n<p>\u041f\u043e \u0440\u0443\u0441\u0441\u043a\u0438: \u0443 \u0432\u0430\u0441 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0432\u043b\u0435\u0437\u0435\u0442 \u0432 \u0442\u0440\u0438 \u0440\u0430\u0437\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 \u043e\u0442 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u043e \u0432 \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438. \u0422\u0435 \u0432\u043c\u0435\u0441\u0442\u043e 4096*3<em> \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0432\u043b\u0435\u0437\u0435\u0442 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 5000<\/em> \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432. \u0415\u0441\u043b\u0438 \u0432\u044b \u0441\u0442\u0440\u043e\u0438\u0442\u0435 RAG based \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0442\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u043e \u043a\u0430\u043a\u0438\u0435 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u044d\u0442\u043e \u0432\u043b\u0435\u0447\u0435\u0442.<\/p>\n<p><strong>\u0412\u0441\u0435\u0433\u0434\u0430 \u043d\u0430\u0439\u0434\u0435\u0442\u0441\u044f \u0430\u0437\u0438\u0430\u0442 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u0434\u0435\u043b\u0430\u0435\u0442 \u044d\u0442\u043e \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0442\u0435\u0431\u044f (\u0441), \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043e\u0431\u0437\u043e\u0440 \u043f\u0440\u0435\u0434\u0438\u0434\u0443\u0449\u0438\u0445 \u0440\u0430\u0431\u043e\u0442 \u0438 \u0431\u0435\u0441\u0441\u043e\u0432\u0435\u0441\u0442\u043d\u044b\u0439 PR \u043a\u0440\u0443\u0442\u044b\u0445 \u0440\u0435\u0431\u044f\u0442 \u0438\u0437 \u041c\u0413\u0423.<\/strong><\/p>\n<h3>China llama<\/h3>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/ba0\/0c0\/ddd\/ba00c0ddd673762a3473e37a106bcf96.png\" width=\"1534\" height=\"932\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/ba0\/0c0\/ddd\/ba00c0ddd673762a3473e37a106bcf96.png\"\/><\/figure>\n<p>\u0418\u0434\u0435\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0430\u044f: \u0430\u0432\u0442\u043e\u0440\u044b \u0440\u0430\u0441\u0448\u0438\u0440\u044f\u044e\u0442 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/f4c\/6ed\/057\/f4c6ed0574023c8435f3cd67348cefca.png\" width=\"1270\" height=\"342\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/f4c\/6ed\/057\/f4c6ed0574023c8435f3cd67348cefca.png\"\/><\/figure>\n<p><a href=\"https:\/\/github.com\/ymcui\/Chinese-LLaMA-Alpaca\/blob\/main\/README_EN.md\" rel=\"noopener noreferrer nofollow\">\u0440\u0435\u043f\u0430+\u043f\u0430\u043f\u0438\u0440<\/a><\/p>\n<p>\u0438 \u0443\u0447\u0430\u0442 LORA \u0432 \u043d\u0430\u0447\u0430\u043b\u0435 \u043d\u0430 general domain \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0435(\u0432\u0438\u043a\u0438\u043f\u0435\u0434\u0438\u044f, \u043d\u043e\u0432\u043e\u0441\u0442\u0438 \u0438 \u043f\u0440\u043e\u0447\u0435\u0435) \u0430 \u0437\u0430\u0442\u0435\u043c \u0434\u043e\u0443\u0447\u0438\u0432\u0430\u044e\u0442 \u043d\u0430 chinese alpaca(\u0441\u0438\u043d\u0442\u0430 \u0438\u0437 GPT4)<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/d35\/52d\/988\/d3552d98803cb74eaf5e4d696bec2d98.png\" width=\"1260\" height=\"388\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/d35\/52d\/988\/d3552d98803cb74eaf5e4d696bec2d98.png\"\/><\/figure>\n<p>\u041f\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c \u043f\u043e\u0441\u043b\u0435 \u0442\u0430\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0440\u0430\u0432\u0434\u0430 \u0435\u0441\u0442\u044c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b, \u043e\u043d\u0438 \u043f\u0440\u043e\u0441\u0430\u0436\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u043f\u0440\u0438\u0447\u0435\u043c \u043e\u0449\u0443\u0442\u0438\u043c\u043e.\u00a0\u00a0<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/313\/0a6\/e73\/3130a6e73187ff87b0a632936d805455.png\" width=\"1474\" height=\"1028\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/313\/0a6\/e73\/3130a6e73187ff87b0a632936d805455.png\"\/><\/figure>\n<h3>Impact of Tokenization on LLaMa Russian Adaptation<\/h3>\n<p>\u0418\u0434\u0435\u044f \u0442\u0430\u043a\u0430\u044f:\u00a0<\/p>\n<p>\u0423\u0447\u0438\u043c \u0440\u0443\u0441\u0441\u043a\u0438\u0439 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 \u0441 \u043d\u0443\u043b\u044f.<\/p>\n<p>\u0417\u0430\u043d\u043e\u0432\u043e \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c LmHead \u0438 embeddings \u043d\u0443\u0436\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0438\u043d\u0438\u0442\u044f \u0438\u0445 \u0441\u0442\u0430\u0440\u044b\u043c\u0438.<\/p>\n<p>\u0423\u0447\u0438\u043c \u043d\u043e\u0432\u044b\u0435 \u0441\u043b\u043e\u0438 \u043d\u0430 9B \u0442\u043e\u043a\u0435\u043d\u043e\u0432(43GB) \u0438 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043a\u043e\u043d\u043a\u0443\u0440\u0435\u043d\u0442\u0430 \u0441 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u043b\u043b\u0430\u043c\u043e\u0439.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/c98\/8ec\/4f1\/c988ec4f159ce2086aa3061f36e2b8a7.png\" width=\"1600\" height=\"652\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/c98\/8ec\/4f1\/c988ec4f159ce2086aa3061f36e2b8a7.png\"\/><\/figure>\n<p>\u0412\u043e\u043e\u0431\u0449\u0435 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0442 \u0435\u0432\u0440\u043e\u043f\u0438\u0439\u0441\u043a\u0438\u0435 <a href=\"https:\/\/huggingface.co\/LeoLM\/leo-mistral-hessianai-7b\" rel=\"noopener noreferrer nofollow\">\u0430\u0434\u0430\u043f\u0442\u0430\u0446\u0438\u0438<\/a>, \u0440\u0430\u043d\u043d\u0438\u0435 \u0430\u0434\u0430\u043f\u0442\u0430\u0446\u0438\u0438 gpt2 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0439(\u043d\u0435 \u043d\u0430\u0448\u0435\u043b \u0441\u0441\u044b\u043b\u043a\u0438) \u0438 \u043a\u0443\u0447\u0430 \u0432\u0441\u044f\u043a\u043e\u0433\u043e \u043e\u0442 <a href=\"https:\/\/github.com\/Beomi\/KoAlpaca\" rel=\"noopener noreferrer nofollow\">\u043a\u043e\u0440\u0435\u0439\u0441\u043a\u0438\u0445<\/a>-\u043a\u0438\u0442\u0430\u0439\u0441\u043a\u0438\u0445 \u043b\u0430\u0431, \u043d\u043e \u0435\u0441\u043b\u0438 \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c \u0432\u0441\u0435 &#8212; \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0435 \u0445\u0432\u0430\u0442\u0438\u0442. \u043d\u0443 \u0438 \u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u044d\u0442\u0438\u0445 \u043f\u043e\u0434\u0445\u043e\u0434\u043e\u0432 \u043f\u043e\u0445\u043e\u0436\u0438 \u0438 \u0441\u0443\u0442\u044c \u0441\u0432\u043e\u0434\u0438\u0442\u044c\u0441\u044f \u043a: \u0440\u0430\u0441\u0448\u0438\u0440\u0438\u043c \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440, \u043f\u0440\u043e\u043b\u044c\u0435\u043c \u043c\u043d\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0430 \u0434\u0430\u043b\u044c\u0448\u0435 \u0431\u0443\u0434\u0435\u0442 \u0447\u0442\u043e \u0431\u0443\u0434\u0435\u0442.<\/p>\n<p>\u041f\u043e\u0434\u0432\u043e\u0434\u043a\u0430 \u0437\u0430\u043a\u043e\u043d\u0447\u0438\u043b\u0430\u0441\u044c, \u043d\u0430\u0447\u0430\u043b\u043e\u0441\u044c \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u043c\u044b \u0441\u0434\u0435\u043b\u0430\u043b\u0438.<\/p>\n<h3>\u0420\u0430\u0441\u0448\u0438\u0440\u0435\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u0430<\/h3>\n<p>\u041c\u044b \u043e\u0431\u0443\u0447\u0438\u043b\u0438 SentencePiece \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 50\u043a \u043d\u0430 <a href=\"https:\/\/huggingface.co\/datasets\/IlyaGusev\/rulm\" rel=\"noopener noreferrer nofollow\">RULM<\/a>, \u043e\u0441\u0442\u0430\u0432\u0438\u043b\u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b\u00a0<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/e4a\/6d4\/806\/e4a6d4806fb54163e1558fbd141a6177.png\" width=\"1572\" height=\"884\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/e4a\/6d4\/806\/e4a6d4806fb54163e1558fbd141a6177.png\"\/><\/figure>\n<p>\u0418\u0437 \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u044b\u0432\u043e\u0434, \u0447\u0442\u043e \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0430 \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0443\u043b\u0443\u0447\u0448\u0430\u0435\u0442\u0441\u044f \u0441 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435\u043c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0441\u043b\u043e\u0432\u0430\u0440\u044f. \u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043f\u0440\u0438\u043c\u0435\u0440\u0430 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c ruGPT, \u0433\u0434\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u043e\u0441\u0442\u0438\u0433\u0430\u0435\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u043e\u043a\u043e\u043b\u043e 0.27 \u043f\u043e \u043e\u0441\u0438 Y, \u0447\u0442\u043e \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u0435\u0442 \u0432 \u0441\u0440\u0435\u0434\u043d\u0435\u043c 2-3 \u0442\u043e\u043a\u0435\u043d\u0430\u043c \u043d\u0430 \u0441\u043b\u043e\u0432\u043e. \u0420\u0430\u0441\u0448\u0438\u0440\u0435\u043d\u0438\u0435 \u0441\u043b\u043e\u0432\u0430\u0440\u044f \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u0442 \u043a \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044e \u044d\u0442\u043e\u0433\u043e \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 30% (1.3-\u043a\u0440\u0430\u0442\u043d\u043e\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435), \u0447\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0431\u043e\u043b\u0435\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u043c.<\/p>\n<p>\u0414\u043b\u044f T5 \u0433\u0440\u0430\u0444\u0430 \u0432 \u0446\u0435\u043b\u043e\u043c \u043d\u0435 \u0441\u0442\u0440\u0430\u0448\u043d\u0430 \u043d\u0435\u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438(<s>\u044f \u043d\u0435 \u043f\u043e\u043d\u044f\u043b \u0441\u0435\u0439\u0447\u0430\u0441 \u043f\u043e\u0447\u0435\u043c\u0443 \u0442\u0430\u043a \u043f\u043b\u043e\u0445\u043e \u0438 \u0432\u043e\u0432\u0440\u0435\u043c\u044f \u043d\u0435 \u0437\u0430\u043c\u0435\u0442\u0438\u043b, \u0430 \u043a\u043e\u0433\u0434\u0430 \u043a \u0441\u0442\u0430\u0442\u044c\u0435 \u0441\u0442\u0440\u043e\u0438\u043b \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u0431\u044b\u043b\u043e \u043f\u043e\u0437\u0434\u043d\u043e \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0441\u0442\u0430\u0442\u044c\u044f \u0437\u0430\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u043b\u0430\u0441\u044c \u043d\u0430 4 \u043d\u0435\u0434\u0435\u043b\u0438. \u0412\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u043f\u043e\u0442\u043e\u043c \u0441\u0434\u0435\u043b\u0430\u044e<\/s>), \u0437\u0430 \u0441\u0447\u0435\u0442 relative position embeddings \u043c\u043e\u0436\u043d\u043e \u043f\u0438\u0445\u0430\u0442\u044c \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432 \u043a\u0430\u0440\u0442\u0443 \u0432\u043b\u0435\u0437\u0435\u0442 \u0442\u043e\u043a\u0435\u043d\u043e\u0432.\u00a0<\/p>\n<h3>\u041a\u0430\u043a \u0443\u0447\u0438\u0442\u044c LLM \u0435\u0441\u043b\u0438 \u0442\u044b gpu poor?<\/h3>\n<p>\u0417\u0434\u0435\u0441\u044c \u0438 \u0434\u0430\u043b\u0435\u0435 \u044f \u0432\u0432\u043e\u0436\u0443 \u0442\u0435\u0440\u043c\u0438\u043d gpu poor &#8212;<span class=\"habrahidden\"> \u043e\u043d \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0432 \u0440\u0430\u043c\u043a\u0430\u0445 \u043e\u0434\u043d\u043e\u0439 \u043d\u043e\u0434\u044b, \u043d\u0435 \u0431\u043e\u043b\u0435\u0435 \u043c\u0435\u0441\u044f\u0446\u0430.  \u041f\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u0436\u0435\u043b\u0430\u043d\u0438\u0438 \u043c\u043e\u0436\u043d\u043e \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0441\u0442\u0438 \u0434\u043b\u044f \u0432\u0430\u0448\u0435\u0433\u043e \u044f\u0437\u044b\u043a\u0430 \u043f\u0440\u0438 \u0432\u043b\u043e\u0436\u0435\u043d\u0438\u0438 \u0446\u0435\u043d\u044b \u0445\u043e\u0440\u043e\u0448\u0435\u0433\u043e \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0430(&lt;10k usd \u043d\u0430 \u0432\u0441\u0435)<\/span><\/p>\n<p>\u0423 \u043d\u0430\u0441 \u0431\u044b\u043b\u043e 4v100 32gb, \u0442\u0435 \u043a\u0430\u0436\u0434\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 \u0447\u0435\u043c \u043d\u0443\u0436\u043d\u043e &#8212; 7B \u043a\u0443\u0448\u0430\u0435\u0442 54gb \u043d\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435  \u043c\u043e\u0434\u0435\u043b\u0438 \u0446\u0435\u043b\u0438\u043a\u043e\u043c. \u0421\u043f\u043e\u0439\u043b\u0435\u0440: <span class=\"habrahidden\">\u043f\u043e \u0438\u0442\u043e\u0433\u0443 \u044f \u0441\u043d\u0438\u043c\u0430\u043b h100<\/span>.<\/p>\n<p>\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u044b:\u00a0<\/p>\n<ul>\n<li>\n<p>v100 \u043d\u0435 \u0443\u043c\u0435\u044e\u0442 bf16<\/p>\n<\/li>\n<\/ul>\n<p>\u0427\u0442\u043e \u0434\u0435\u043b\u0430\u0442\u044c:<\/p>\n<ul>\n<li>\n<p>\u042d\u0442\u043e sxm \u043a\u0430\u0440\u0442\u044b, <s>\u0432\u044b\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u0441\u0435\u0440\u0432\u0435\u0440 \u043d\u0430 \u0443\u043b\u0438\u0446\u0443 \u043d\u0430 \u0442\u0430\u0431\u0443\u0440\u0435\u0442\u043a\u0443, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u043f\u0435\u0440\u0435\u0433\u0440\u0435\u0442\u044c, \u0441\u0442\u0430\u0432\u0438\u043c \u043f\u0438\u0442\u0430\u043d\u0438\u0435 600watt \u0438 \u0440\u0430\u0437\u0433\u043e\u043d\u044f\u0435\u043c\u0441\u044f<\/s>, \u043f\u043e\u043b\u043d\u0430\u044f \u0441\u0435\u0442\u0435\u0432\u0430\u044f \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u043e\u0441\u0442\u044c \u0447\u0435\u0440\u0435\u0437 NV => \u0440\u0430\u0441\u043a\u0438\u0434\u044b\u0432\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e \u043a\u0443\u0441\u043e\u0447\u043a\u0430\u043c \u043d\u0430 \u043a\u0430\u0440\u0442\u0443 \u0438 \u0443\u0447\u0438\u043c \u0441 FSDP tensor paralel<\/p>\n<\/li>\n<li>\n<p>Flash attention <a href=\"https:\/\/huggingface.co\/docs\/optimum\/bettertransformer\/tutorials\/convert\" rel=\"noopener noreferrer nofollow\">\u043e\u0442\u0441\u044e\u0434\u0430<\/a> \u0434\u043b\u044f h100<\/p>\n<\/li>\n<li>\n<p>\u0412\u043a\u043b\u044e\u0447\u0430\u0435\u043c grad checkpointing, \u0431\u043b\u0430\u0433\u043e \u0432 hf \u0432\u0441\u0435 \u0432\u043f\u0438\u043b\u0435\u043d\u043e<\/p>\n<\/li>\n<li>\n<p>\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c Adamw \u0447\u0442\u043e\u0431\u044b \u0441\u0447\u0438\u0442\u0430\u0442\u044c \u043f\u043e \u0432\u0441\u0435\u043c \u0441\u043b\u043e\u044f\u043c \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e \u0438 \u043d\u0435 \u043f\u043e\u0434\u0431\u0438\u0440\u0430\u0442\u044c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0437\u0430 10 \u0440\u0430\u043d\u043e\u0432 \u043d\u0435\u0441\u043c\u043e\u0442\u0440\u044f \u043d\u0430 \u0442\u043e \u0447\u0442\u043e \u043e\u043d \u043a\u0443\u0448\u0430\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u043f\u0430\u043c\u044f\u0442\u0438.<\/p>\n<\/li>\n<\/ul>\n<p>\u0412 \u0441\u0440\u0435\u0434\u0435 NLP\u0448\u043d\u0438\u043a\u043e\u0432 \u0445\u043e\u0434\u0438\u0442 \u043b\u0435\u0433\u0435\u043d\u0434\u0430\u00a0\u00a0\u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u043d\u0430 <a href=\"https:\/\/twitter.com\/karpathy\/status\/1621578354024677377\" rel=\"noopener noreferrer nofollow\">\u044d\u0442\u043e\u043c<\/a> <a href=\"https:\/\/docs.nvidia.com\/cuda\/ampere-tuning-guide\/index.html#tensor-operations\" rel=\"noopener noreferrer nofollow\">\u0442\u0432\u0438\u0442\u0435<\/a> \u043e \u0442\u043e\u043c \u0447\u0442\u043e \u0435\u0441\u043b\u0438 \u0440\u0430\u0437\u043c\u0435\u0440 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u0430 \u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f \u043d\u0430 32 \u0438\u043b\u0438 64, \u0442\u043e \u0431\u043b\u043e\u0447\u043d\u043e\u0435 \u0443\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0438 \u0432 \u0446\u0435\u043b\u043e\u043c <\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/546\/133\/982\/546133982a6079017a45e68c7ad0523d.png\" width=\"1600\" height=\"949\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/546\/133\/982\/546133982a6079017a45e68c7ad0523d.png\"\/><\/figure>\n<p>\u0412\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0441 torch compile \u0440\u0430\u0431\u043e\u0442\u0430\u043b\u043e \u0431\u044b \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u043d\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0438 \u0436\u0435\u043b\u0430\u043d\u0438\u044f \u044f \u043d\u0435 \u043d\u0430\u0448\u0435\u043b.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0443 \u0432\u0430\u0441 \u0435\u0441\u0442\u044c &#8212; \u043f\u0438\u0448\u0438\u0442\u0435 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u044b\u0435 Fused Kernels \u0432 \u0441\u0442\u0438\u043b\u0435  \u0438 \u0431\u0443\u0434\u0435\u0442 \u0432\u0430\u043c \u0441\u0447\u0430\u0441\u0442\u044c\u0435. <\/p>\n<p>\u0412\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u043e\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u0447\u0438\u0441\u043b\u0430 \u043a\u0430\u0440\u0442, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u0442\u0440\u0435\u043a\u0430\u0442\u044c MFU \u0447\u0435\u0433\u043e \u044f \u043d\u0435 \u0434\u0435\u043b\u0430\u043b, \u043d\u043e \u043d\u0430 \u0441\u0438\u043d\u0433\u043b \u043d\u043e\u0434\u0435 \u0438 \u0432 \u0440\u0430\u043c\u043a\u0430\u0445 \u0438\u0433\u0440\u0443\u0448\u0435\u0447\u043d\u044b\u0445 \u0442\u0440\u0435\u0439\u043d\u043e\u0432 \u0432 \u0446\u0435\u043b\u043e\u043c \u043c\u043e\u0436\u043d\u043e \u043e\u0447\u0435\u043d\u044c \u0441\u0438\u043b\u044c\u043d\u043e \u0437\u0430\u0431\u0438\u0432\u0430\u0442\u044c \u043d\u0430 FUSED kernels, \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0435 \u0434\u0430\u0442\u0430 \u043b\u043e\u0430\u0434\u0435\u0440\u044b \u0438 \u043f\u0440\u043e\u0447\u0438\u0435 \u0440\u0430\u0434\u043e\u0441\u0442\u0438. \u0427\u0435\u043a\u043d\u0438\u0442\u0435 \u0447\u0435\u0440\u0435\u0437 torch.profiler \u043a\u0430\u0440\u0442\u0430 \u043d\u0435 \u0441\u0438\u043b\u044c\u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u0438 \u0441\u0442\u0430\u0432\u044c\u0442\u0435 \u0443\u0447\u0438\u0442\u044c\u0441\u044f, \u043b\u0438\u0431\u043e \u043f\u043e\u043b\u044c\u0437\u0443\u0439\u0442\u0435\u0441\u044c \u0433\u043e\u0442\u043e\u0432\u044b\u043c\u0438 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f\u043c\u0438.<\/p>\n<h3>\u0414\u0430\u043d\u043d\u044b\u0435<\/h3>\n<p>\u042f \u0443\u0447\u0438\u043b\u0441\u044f \u043d\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u043c\u0438\u043a\u0441\u0435 \u0434\u043b\u044f 7b \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 3b:<\/p>\n<ul>\n<li>\n<p>Habr(\u0442\u043e\u043f 100\u043a \u043b\u0430\u0439\u043a\u043d\u0443\u0442\u044b\u0445) <a href=\"https:\/\/huggingface.co\/datasets\/IlyaGusev\/habr\" rel=\"noopener noreferrer nofollow\">\u043e\u0442\u0441\u044e\u0434\u0430<\/a><\/p>\n<\/li>\n<li>\n<p>\u041f\u0435\u0440\u0435\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0439 FLAN(\u0434\u043b\u044f T5 \u043c\u043e\u0434\u0435\u043b\u0438, \u0434\u043b\u044f 7b \u043d\u0435 \u0445\u0432\u0430\u0442\u0438\u043b\u043e \u043a\u0430\u0440\u0442)\u00a0<a href=\"https:\/\/huggingface.co\/datasets\/AlexWortega\/flan\" rel=\"noopener noreferrer nofollow\">\u043e\u0442\u0441\u044e\u0434\u0430<\/a><\/p>\n<\/li>\n<li>\n<p>\u0418\u043d\u0441\u0442\u0440\u0443\u043a\u0442\u0438\u0432\u043d\u0430\u044f \u0432\u0435\u0440\u0441\u0438\u044f 7B \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u0430 \u043d\u0430 <a href=\"https:\/\/huggingface.co\/IlyaGusev\/saiga_mistral_7b_lora\" rel=\"noopener noreferrer nofollow\">Saiga Mistral<\/a><\/p>\n<\/li>\n<\/ul>\n<h3>Flan t5 &#8212; VikhrT5-3b<\/h3>\n<p>\u0414\u043b\u044f \u043f\u0440\u0435\u0442\u0440\u0435\u043d\u0430 \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 T5 like \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u043d\u0435 MLM( \u041a\u0430\u043a\u043e\u0439 &lt;MASK> \u0437\u0434\u0435\u0441\u044c \u0442\u043e\u043a\u0435\u043d), \u0430 <a href=\"https:\/\/arxiv.org\/pdf\/2205.05131.pdf\" rel=\"noopener noreferrer nofollow\">Span corruption <\/a><\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/64a\/72b\/5e1\/64a72b5e107faace90e22b4e72fd0af4.png\" width=\"1326\" height=\"392\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/64a\/72b\/5e1\/64a72b5e107faace90e22b4e72fd0af4.png\"\/><\/figure>\n<p>\u0418\u0434\u0435\u044f \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432 \u0442\u043e\u043c \u0447\u0442\u043e \u0443\u0447\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0440\u0430\u0437\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u043f\u043e\u0442\u043e\u043c \u0440\u0435\u0448\u0430\u0442\u044c \u0432\u0441\u044f\u043a\u0438\u0435 Fill in the middle, \u0438\u043b\u0438 \u0437\u0430\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c T5 \u0431\u044b\u0442\u044c \u043a\u043b\u0430\u0441\u0441\u0438\u043a LMtask \u043c\u043e\u0434\u0435\u043b\u044c\u044e(S denoising).<\/p>\n<p>\u042f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b \u043a\u043e\u0434\u043e\u0432\u0443\u044e \u0431\u0430\u0437\u0443 \u043e\u0442\u0441\u044e\u0434\u0430 <a href=\"https:\/\/github.com\/google-research\/t5x\" rel=\"noopener noreferrer nofollow\"><u>https:\/\/github.com\/google-research\/t5x<\/u><\/a>, \u0430 \u0437\u0430\u0442\u0435\u043c JAX \u043c\u043e\u0434\u0435\u043b\u044c \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0442\u0441\u044f \u0432 torch \u0431\u0435\u0437 \u043f\u0440\u043e\u0431\u043b\u0435\u043c.<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">dataset<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\"><strong>VikhrT5-3b<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>FRED-T5-XL(1.7b)<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>FLAN-t5-xl(3b)<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">ru_mmlu<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\">0.32<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.252<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.28(\u043b\u043e\u043b2)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">xwinograd_ru<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\">0.71(lol)<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.57<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.52<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">xnli_ru<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\">0.4280<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.34<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.33<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h3>Mistral 7b \u0438 \u0447\u0442\u043e \u0442\u0430\u043c \u043d\u0430\u0434\u0443\u043b\u043e? \u0432 \u0441\u043c\u044b\u0441\u043b\u0435 \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438\u2026<\/h3>\n<p>\u0412 \u0447\u0435\u043c \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c? \u041c\u043e\u0434\u0435\u043b\u0438 \u0438\u043c\u0435\u044e\u0442 \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u043e \u0442\u0443\u043f\u0435\u0442\u044c \u043f\u043e\u0441\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432 \u043b\u043e\u0431, \u0442\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432\u0438\u0434\u0435\u043b\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0431\u0443\u0434\u0443\u0442 \u0425\u0423\u0416\u0415 \u0447\u0435\u043c \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0440\u0443\u0441\u0441\u043a\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u041d\u0415 \u0432\u0438\u0434\u0435\u043b\u0430.<\/p>\n<p>\u042f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0438\u043b \u044d\u0442\u043e \u0432 <a href=\"https:\/\/huggingface.co\/AlexWortega\/rugpt-neo-1.3b\" rel=\"noopener noreferrer nofollow\"><u>https:\/\/huggingface.co\/AlexWortega\/rugpt-neo-1.3b<\/u><\/a><\/p>\n<p>\u0425\u043e\u0442\u044f \u0442\u0443\u0442 \u0438 \u043f\u0440\u043e\u0446\u0435\u0434\u0443\u0440\u0430 \u0431\u044b\u043b\u0430 \u0434\u0440\u0443\u0433\u0430\u044f &#8212; \u044f \u043c\u0435\u043d\u044f\u043b \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 \u0446\u0435\u043b\u0438\u043a\u043e\u043c \u0438 \u0443\u0447\u0438\u043b \u0446\u0435\u043b\u0438\u043a\u043e\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0441 \u043d\u043e\u0432\u044b\u043c\u0438 \u044d\u043c\u0431\u0435\u0434\u0438\u0433\u0430\u043c\u0438, \u043d\u043e \u0441\u0443\u0442\u0438 \u043d\u0435 \u043c\u0435\u043d\u044f\u043b\u043e. \u041c\u043e\u0434\u0435\u043b\u044c \u043f\u0430\u0434\u0430\u043b\u0430 \u0438 \u043f\u0430\u0434\u0430\u043b\u0430 \u0442\u0440\u0430\u0433\u0438\u0447\u043d\u043e.<\/p>\n<p>\u0421\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0438\u0434\u0435\u044f \u043a\u0430\u043a \u0440\u0435\u0448\u0438\u0442\u044c \u043f\u0440\u043e\u0431\u043b\u043c\u0443 \u043f\u0440\u0438\u0448\u043b\u0430 \u0438\u0434\u0435\u044f \u0438\u0437 RL: \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u0441\u043c\u0435\u0448\u0438\u0432\u0430\u0442\u044c loss \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0443\u0447\u0438\u043c \u0441 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439, \u0442\u0435\u043c \u0441\u0430\u043c\u044b\u043c \u0431\u0443\u0434\u0435\u043c \u043d\u0435 \u0434\u0430\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0443\u0445\u043e\u0434\u0438\u0442\u044c \u043e\u0447\u0435\u043d\u044c \u0434\u0430\u043b\u0435\u043a\u043e.<\/p>\n<p>(\u0412 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f KL \u0448\u0442\u0440\u0430\u0444), \u044f \u0436\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e SLERP \u0434\u043b\u044f \u0438\u043d\u0442\u0435\u0440\u043f\u043e\u043b\u044f\u0446\u0438\u0438 \u043b\u043e\u0441\u0441\u043e\u0432<\/p>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/7ef\/8a8\/232\/7ef8a8232b64a5ddf7fe3f8fd3b39c4f.png\" width=\"341\" height=\"499\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/7ef\/8a8\/232\/7ef8a8232b64a5ddf7fe3f8fd3b39c4f.png\"\/><\/figure>\n<p>Mistral metric:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">dataset<\/p>\n<\/td>\n<td>\n<p align=\"left\">Vikhr-7b-0.1 (5-shot)<\/p>\n<\/td>\n<td>\n<p align=\"left\">Mistral-7B-v0.1 (5-shot)<\/p>\n<\/td>\n<td>\n<p align=\"left\">GigaChat(7b)<\/p>\n<p align=\"left\">(5shot)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">mmlu_ru<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.60<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>0.66<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">0.581<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">xwinograd_ru<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>0.7243<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">0.68<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.7127<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">xnli_ru<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.3780<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.3991<\/p>\n<\/td>\n<td>\n<p align=\"left\">\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041a\u0430\u0447\u0430\u0442\u044c \u0442\u0443\u0442 <\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/Vikhr-7b-0.1\" rel=\"noopener noreferrer nofollow\">7B \u043c\u043e\u0434\u0435\u043b\u044c<\/a><\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/Vikhr-7B-instruct\" rel=\"noopener noreferrer nofollow\">7B \u0438\u043d\u0441\u0442\u0440\u0430\u043a\u0442<\/a><\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/VikhrT5-3b\" rel=\"noopener noreferrer nofollow\">3B T5 \u043c\u043e\u0434\u0435\u043b\u044c<\/a><\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/VikhrT5-240m\" rel=\"noopener noreferrer nofollow\">240\u043c T5 \u043c\u043e\u0434\u0435\u043b\u044c<\/a><\/p>\n<p>\u0410\u0432\u0442\u043e\u0440\u044b:<\/p>\n<p>\u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 <\/p>\n<p>\u041a\u0430\u0440\u0438\u043d\u0430 &#8212; <a href=\"https:\/\/t.me\/nadlskom\" rel=\"noopener noreferrer nofollow\">https:\/\/t.me\/nadlskom<\/a><\/p>\n<p>\u0414\u0435\u043d\u0438\u0441 <a href=\"https:\/\/t.me\/den4ikresearch\" rel=\"noopener noreferrer nofollow\">@den4ikresearch<\/a> \u0437\u0430 \u043f\u043e\u043c\u043e\u0449\u044c \u0441 \u043f\u043e\u0434\u0431\u043e\u0440\u043e\u043c \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u04425<\/p>\n<p>\u041c\u0438\u0445\u0430\u0438\u043b \u0422\u0438\u0445\u043e\u043c\u0438\u0440\u043e\u0432 \u0437\u0430 early adoption \u0447\u0435\u043a\u043f\u043e\u0438\u043d\u0442\u044b \u0438 \u043d\u0430\u0439\u0434\u0435\u043d\u043d\u044b\u0439 \u043d\u0435\u0432\u0435\u0440\u043d\u044b\u0439 \u0447\u0435\u043a\u043f\u043e\u0438\u043d\u0442<\/p>\n<p>\u0418\u043b\u044c\u044f \u0413\u0443\u0441\u0435\u0432, \u0432 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043d\u0435 \u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u043b, \u043d\u043e \u0441\u0434\u0435\u043b\u0430\u043b \u043c\u043d\u043e\u0433\u043e \u0432\u0441\u0435\u0433\u043e \u0440\u0430\u043d\u0435\u0435 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u043e\u0433\u043e \u043e\u043f\u0435\u043d\u0441\u0443\u0440\u0441\u0430, \u0431\u0435\u0437 \u043d\u0435\u0433\u043e \u043d\u0435 \u0431\u044b\u043b\u043e \u0431\u044b \u044d\u0442\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b.<\/p>\n<p><strong>\u041f\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u043f\u043e\u0441\u043b\u0435 \u0441\u0442\u0430\u0442\u044c\u0438 \u0435\u0441\u043b\u0438 \u043a\u0430\u043a\u0438\u0435 \u0442\u043e \u0442\u0435\u0440\u043c\u0438\u043d\u044b\u00a0\u0431\u044b\u043b\u0438 \u043d\u0435\u00a0\u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0435:<\/strong><\/p>\n<ul>\n<li>\n<p><a href=\"https:\/\/huggingface.co\/learn\/nlp-course\/chapter6\/5?fw=pt\" rel=\"noopener noreferrer nofollow\"><u>\u041f\u0440\u043e \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u044b<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/huggingface.co\/docs\/text-generation-inference\/conceptual\/flash_attention\" rel=\"noopener noreferrer nofollow\"><u>\u041f\u0440\u043e Flash attention<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2205.05131\" rel=\"noopener noreferrer nofollow\"><u>\u041f\u0440\u043e span corruption<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2312.02598v1.pdf\" rel=\"noopener noreferrer nofollow\"><u>Impact of Tokenization on LLaMa Russian Adaptation<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2310.06825.pdf\" rel=\"noopener noreferrer nofollow\"><u>\u043c\u0438\u0441\u0442\u0440\u0430\u043b\u044c \u043f\u0430\u043f\u0438\u0440, \u043f\u0443\u0442\u044c \u043b\u0435\u0436\u0438\u0442\u00a0<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2304.08177.pdf\" rel=\"noopener noreferrer nofollow\"><u>Efficient and Effective Text Encoding for Chinese Llama and Alpaca<\/u><\/a><\/p>\n<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/787894\/\"> https:\/\/habr.com\/ru\/articles\/787894\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u0412 \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u043c \u043c\u0438\u0440\u0435 LLM, \u0442\u0430\u043a\u0436\u0435 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u044b\u0445 \u043a\u0430\u043a &#171;\u0447\u0443\u0434\u043e \u0442\u0435\u0445\u043d\u0438\u043a\u0438&#187;, \u0441\u043b\u043e\u0436\u0438\u043b\u0430\u0441\u044c \u0437\u0430\u0431\u0430\u0432\u043d\u0430\u044f \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044f: \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e LLAMA, Mistral \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 open source \u043f\u0440\u043e\u0435\u043a\u0442\u044b \u043d\u0435 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u044e\u0442 \u043d\u0438\u0447\u0435\u0433\u043e, \u043a\u0440\u043e\u043c\u0435 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430, \u043d\u043e \u044d\u0442\u043e \u043d\u0435 \u0441\u043e\u0432\u0441\u0435\u043c \u0442\u0430\u043a. \u041e\u043d\u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u044e\u0442 \u0434\u0440\u0443\u0433\u0438\u0435 \u044f\u0437\u044b\u043a\u0438, \u0434\u0430\u0436\u0435 \u0441 \u043d\u0435\u043f\u043b\u043e\u0445\u0438\u043c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e\u043c, \u043d\u043e \u0435\u0441\u0442\u044c \u043d\u044e\u0430\u043d\u0441 \u2014 \u043f\u043b\u043e\u0442\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043d\u0438\u0437\u043a\u0430\u044f-> \u0432 \u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0438 \u0447\u0435\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0435 \u0431\u0443\u0434\u0443\u0442 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043d\u0430 \u044f\u0437\u044b\u043a\u0430\u0445 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u043e\u0442\u043b\u0438\u0447\u043d\u044b\u0445 \u043e\u0442 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u043e\u0433\u043e.<\/p>\n<figure class=\"full-width\"><\/figure>\n<p>LLama1 \u0434\u0430\u0442\u0430\u043c\u0438\u043a\u0441, \u0443 Mistral \u043e\u043d \u043d\u0435\u0438\u0437\u0432\u0435\u0441\u0442\u0435\u043d, \u043d\u043e \u0441\u043a\u043e\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e \u0447\u0442\u043e \u0442\u043e \u043f\u043e\u0445\u043e\u0436\u0435\u0435 \u0438 \u0432 \u0440\u0430\u0437\u044b \u0431\u041e\u043b\u044c\u0448\u043e\u0435.<\/p>\n<p>\u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u0440\u0443\u0441\u0441\u043a\u0438\u0439 \u0432 CommonCrawl(\u0432\u0445\u043e\u0434\u0438\u0442 \u0432 \u0442\u043e\u043f10 \u044f\u0437\u044b\u043a\u043e\u0432 \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442\u0430) + Wiki + \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0432 Github. \u0422\u043e\u0436\u0435 \u0441\u0430\u043c\u043e\u0435 \u043a\u0430\u0441\u0430\u0435\u0442\u0441\u044f \u043a\u0438\u0442\u0430\u0439\u0441\u043a\u043e\u0433\u043e, \u043a\u043e\u0440\u0435\u0439\u0441\u043a\u043e\u0433\u043e \u0438 \u043f\u0440\u043e\u0447\u0438\u0445.\u00a0<\/p>\n<p>\u0410 \u043f\u043e \u0438\u0442\u043e\u0433\u0443 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043d\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445 \u043e\u0447\u0435\u043d\u044c \u0445\u043e\u0440\u043e\u0448\u0438\u0435, \u0432\u043e \u043c\u043d\u043e\u0433\u043e\u043c \u0437\u0430 \u0441\u0447\u0435\u0442 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u0431\u041e\u043b\u044c\u0448\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u0431\u0435\u043d\u0447\u0435\u0439 \u043f\u043e\u0434\u0440\u0430\u0437\u0443\u043c\u0435\u0432\u0430\u0435\u0442 Accuracy -\u0442\u0435 \u0432\u044b\u0431\u043e\u0440 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0433\u043e \u043e\u0442\u0432\u0435\u0442\u0430, \u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043f\u043e\u043b\u043d\u0435 \u0442\u043e\u0447\u043d\u043e \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u0432\u0435\u0440\u043d\u044b\u0439 \u043e\u0442\u0432\u0435\u0442. \u041f\u0440\u0438\u043c\u0435\u0440 \u0434\u043b\u044f mmlu \u0438 \u043b\u0430\u043c\u043c \u043d\u0438\u0436\u0435.<\/p>\n<figure class=\"full-width\"><\/figure>\n<h3>Saiga<\/h3>\n<p>\u041e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u0440\u0435\u0441\u043f\u0435\u043a\u0442 \u0418\u043b\u044c\u0435 \u0413\u0443\u0441\u0435\u0432\u0443 \u0437\u0430 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u0441\u0430\u0439\u0433\u0438 \u2013 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0439 \u0440\u0443\u0441\u0441\u043a\u043e\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0442\u0438\u0432\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438\u00a0<a href=\"https:\/\/habr.com\/ru\/articles\/759386\/\" rel=\"noopener noreferrer nofollow\">\u0441\u0442\u0430\u0442\u044c\u044f<\/a>.<\/p>\n<p>\u0418 \u0442\u0443\u0442 \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u0441\u044f \u0441\u0430\u043c\u043e\u0435 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e\u0435 &#8212; Saiga \u0431\u044b\u043b\u0430 \u0434\u043e\u0443\u0447\u0435\u043d\u0430 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0438 \u0434\u043e \u0441\u0438\u0445 \u043f\u043e\u0440 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0431\u0430\u0437\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e(\u0434\u043b\u044f \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u0441\u0442\u0430\u0440\u0442\u0430 &#8212; \u0442\u0430\u043a \u0442\u043e\u0447\u043d\u043e) \u0434\u043b\u044f \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0430 \u0437\u0430\u0434\u0430\u0447 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u043e\u043c \u044f\u0437\u044b\u043a\u0435.\u00a0<\/p>\n<p>\u041d\u043e \u0441 \u043d\u0435\u0439 \u0435\u0441\u0442\u044c \u043e\u0434\u043d\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 &#8212; \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u044f!<\/p>\n<p>\u0415\u0441\u043b\u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u043e: \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 \u044d\u0442\u043e \u0448\u0442\u0443\u043a\u0430 \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0431\u044c\u0435\u0442 str \u0432 \u0446\u0438\u0444\u0435\u0440\u043a\u0438 [0, max_tokenizer], \u0443\u0447\u0438\u0442\u044c\u0441\u044f \u043a\u0430\u043a \u0434\u0435\u0440\u0435\u0432\u043e \u043e\u0441\u0442\u0430\u0442\u043a\u043e\u0432 \u0442\u0435 \u0443\u0447\u0438\u0442\u044c\u0441\u044f \u043f\u0438\u0445\u0430\u0442\u044c \u043c\u0430\u043a\u0441 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0432 \u0442\u043e\u043a\u0435\u043d, \u0430 BBpe \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u044b(\u0432\u0441\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u044f \u0441 gpt2 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e~ ) \u00a0 \u0443\u043c\u0435\u044e\u0442 \u0435\u0449\u0435 \u0438 \u0431\u0430\u0439\u0442\u044b \u043f\u0435\u0440\u0435\u0432\u0430\u0440\u0438\u0432\u0430\u0442\u044c. <a href=\"https:\/\/huggingface.co\/learn\/nlp-course\/chapter6\/5?fw=pt\" rel=\"noopener noreferrer nofollow\">\u0427\u0438\u0442\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435<\/a> (\u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0441\u0443\u043d\u0443\u0442\u044c \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u0432 <a href=\"https:\/\/openai.com\/research\/image-gpt\" rel=\"noopener noreferrer nofollow\">byte like<\/a> \u0432\u0438\u0434\u0435 \u0432 \u043c\u043e\u0434\u0435\u043b\u044c)\u00a0<\/p>\n<p>\u0414\u043b\u044f \u043d\u0430\u0441 \u0432\u0430\u0436\u043d\u043e \u0447\u0442\u043e \u0443 \u0440\u0443\u0441\u0441\u043a\u0438\u0445(\u0441\u0431\u0435\u0440, \u044f\u043d\u0434\u0435\u043a\u0441) \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u043a\u0430\u0436\u0434\u044b\u0435 \u0442\u0440\u0438 \u0441\u0438\u043c\u0432\u043e\u043b\u0430 \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f 1 \u0442\u043e\u043a\u0435\u043d, \u0430 \u0443 Llama\/Mistral\/Gpt4(\u0432 \u043c\u0435\u043d\u044c\u0448\u0435\u0439 \u0441\u0442\u0435\u043f\u0435\u043d\u0438) \u043d\u0430 ~ \u041a\u0410\u0416\u0414\u042b\u0419 \u0441\u0438\u043c\u0432\u043e\u043b \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043a\u0435\u043d.\u00a0<\/p>\n<p>\u0412\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0442\u0430\u043a:<\/p>\n<figure class=\"full-width\"><\/figure>\n<p>\u041f\u043e \u0440\u0443\u0441\u0441\u043a\u0438: \u0443 \u0432\u0430\u0441 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0432\u043b\u0435\u0437\u0435\u0442 \u0432 \u0442\u0440\u0438 \u0440\u0430\u0437\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 \u043e\u0442 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u043e \u0432 \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438. \u0422\u0435 \u0432\u043c\u0435\u0441\u0442\u043e 4096*3<em> \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0432\u043b\u0435\u0437\u0435\u0442 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 5000<\/em> \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432. \u0415\u0441\u043b\u0438 \u0432\u044b \u0441\u0442\u0440\u043e\u0438\u0442\u0435 RAG based \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0442\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u043e \u043a\u0430\u043a\u0438\u0435 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u044d\u0442\u043e \u0432\u043b\u0435\u0447\u0435\u0442.<\/p>\n<p><strong>\u0412\u0441\u0435\u0433\u0434\u0430 \u043d\u0430\u0439\u0434\u0435\u0442\u0441\u044f \u0430\u0437\u0438\u0430\u0442 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u0434\u0435\u043b\u0430\u0435\u0442 \u044d\u0442\u043e \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0442\u0435\u0431\u044f (\u0441), \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043e\u0431\u0437\u043e\u0440 \u043f\u0440\u0435\u0434\u0438\u0434\u0443\u0449\u0438\u0445 \u0440\u0430\u0431\u043e\u0442 \u0438 \u0431\u0435\u0441\u0441\u043e\u0432\u0435\u0441\u0442\u043d\u044b\u0439 PR \u043a\u0440\u0443\u0442\u044b\u0445 \u0440\u0435\u0431\u044f\u0442 \u0438\u0437 \u041c\u0413\u0423.<\/strong><\/p>\n<h3>China llama<\/h3>\n<figure class=\"full-width\"><\/figure>\n<p>\u0418\u0434\u0435\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0430\u044f: \u0430\u0432\u0442\u043e\u0440\u044b \u0440\u0430\u0441\u0448\u0438\u0440\u044f\u044e\u0442 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440<\/p>\n<figure class=\"full-width\"><\/figure>\n<p><a href=\"https:\/\/github.com\/ymcui\/Chinese-LLaMA-Alpaca\/blob\/main\/README_EN.md\" rel=\"noopener noreferrer nofollow\">\u0440\u0435\u043f\u0430+\u043f\u0430\u043f\u0438\u0440<\/a><\/p>\n<p>\u0438 \u0443\u0447\u0430\u0442 LORA \u0432 \u043d\u0430\u0447\u0430\u043b\u0435 \u043d\u0430 general domain \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0435(\u0432\u0438\u043a\u0438\u043f\u0435\u0434\u0438\u044f, \u043d\u043e\u0432\u043e\u0441\u0442\u0438 \u0438 \u043f\u0440\u043e\u0447\u0435\u0435) \u0430 \u0437\u0430\u0442\u0435\u043c \u0434\u043e\u0443\u0447\u0438\u0432\u0430\u044e\u0442 \u043d\u0430 chinese alpaca(\u0441\u0438\u043d\u0442\u0430 \u0438\u0437 GPT4)<\/p>\n<figure class=\"full-width\"><\/figure>\n<p>\u041f\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c \u043f\u043e\u0441\u043b\u0435 \u0442\u0430\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0440\u0430\u0432\u0434\u0430 \u0435\u0441\u0442\u044c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b, \u043e\u043d\u0438 \u043f\u0440\u043e\u0441\u0430\u0436\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u043f\u0440\u0438\u0447\u0435\u043c \u043e\u0449\u0443\u0442\u0438\u043c\u043e.\u00a0\u00a0<\/p>\n<figure class=\"full-width\"><\/figure>\n<h3>Impact of Tokenization on LLaMa Russian Adaptation<\/h3>\n<p>\u0418\u0434\u0435\u044f \u0442\u0430\u043a\u0430\u044f:\u00a0<\/p>\n<p>\u0423\u0447\u0438\u043c \u0440\u0443\u0441\u0441\u043a\u0438\u0439 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 \u0441 \u043d\u0443\u043b\u044f.<\/p>\n<p>\u0417\u0430\u043d\u043e\u0432\u043e \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c LmHead \u0438 embeddings \u043d\u0443\u0436\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0438\u043d\u0438\u0442\u044f \u0438\u0445 \u0441\u0442\u0430\u0440\u044b\u043c\u0438.<\/p>\n<p>\u0423\u0447\u0438\u043c \u043d\u043e\u0432\u044b\u0435 \u0441\u043b\u043e\u0438 \u043d\u0430 9B \u0442\u043e\u043a\u0435\u043d\u043e\u0432(43GB) \u0438 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043a\u043e\u043d\u043a\u0443\u0440\u0435\u043d\u0442\u0430 \u0441 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u043b\u043b\u0430\u043c\u043e\u0439.<\/p>\n<figure class=\"full-width\"><\/figure>\n<p>\u0412\u043e\u043e\u0431\u0449\u0435 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0442 \u0435\u0432\u0440\u043e\u043f\u0438\u0439\u0441\u043a\u0438\u0435 <a href=\"https:\/\/huggingface.co\/LeoLM\/leo-mistral-hessianai-7b\" rel=\"noopener noreferrer nofollow\">\u0430\u0434\u0430\u043f\u0442\u0430\u0446\u0438\u0438<\/a>, \u0440\u0430\u043d\u043d\u0438\u0435 \u0430\u0434\u0430\u043f\u0442\u0430\u0446\u0438\u0438 gpt2 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0439(\u043d\u0435 \u043d\u0430\u0448\u0435\u043b \u0441\u0441\u044b\u043b\u043a\u0438) \u0438 \u043a\u0443\u0447\u0430 \u0432\u0441\u044f\u043a\u043e\u0433\u043e \u043e\u0442 <a href=\"https:\/\/github.com\/Beomi\/KoAlpaca\" rel=\"noopener noreferrer nofollow\">\u043a\u043e\u0440\u0435\u0439\u0441\u043a\u0438\u0445<\/a>-\u043a\u0438\u0442\u0430\u0439\u0441\u043a\u0438\u0445 \u043b\u0430\u0431, \u043d\u043e \u0435\u0441\u043b\u0438 \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c \u0432\u0441\u0435 &#8212; \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0435 \u0445\u0432\u0430\u0442\u0438\u0442. \u043d\u0443 \u0438 \u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u044d\u0442\u0438\u0445 \u043f\u043e\u0434\u0445\u043e\u0434\u043e\u0432 \u043f\u043e\u0445\u043e\u0436\u0438 \u0438 \u0441\u0443\u0442\u044c \u0441\u0432\u043e\u0434\u0438\u0442\u044c\u0441\u044f \u043a: \u0440\u0430\u0441\u0448\u0438\u0440\u0438\u043c \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440, \u043f\u0440\u043e\u043b\u044c\u0435\u043c \u043c\u043d\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0430 \u0434\u0430\u043b\u044c\u0448\u0435 \u0431\u0443\u0434\u0435\u0442 \u0447\u0442\u043e \u0431\u0443\u0434\u0435\u0442.<\/p>\n<p>\u041f\u043e\u0434\u0432\u043e\u0434\u043a\u0430 \u0437\u0430\u043a\u043e\u043d\u0447\u0438\u043b\u0430\u0441\u044c, \u043d\u0430\u0447\u0430\u043b\u043e\u0441\u044c \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u043c\u044b \u0441\u0434\u0435\u043b\u0430\u043b\u0438.<\/p>\n<h3>\u0420\u0430\u0441\u0448\u0438\u0440\u0435\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u0430<\/h3>\n<p>\u041c\u044b \u043e\u0431\u0443\u0447\u0438\u043b\u0438 SentencePiece \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 50\u043a \u043d\u0430 <a href=\"https:\/\/huggingface.co\/datasets\/IlyaGusev\/rulm\" rel=\"noopener noreferrer nofollow\">RULM<\/a>, \u043e\u0441\u0442\u0430\u0432\u0438\u043b\u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b\u00a0<\/p>\n<figure class=\"full-width\"><\/figure>\n<p>\u0418\u0437 \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u044b\u0432\u043e\u0434, \u0447\u0442\u043e \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0430 \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0443\u043b\u0443\u0447\u0448\u0430\u0435\u0442\u0441\u044f \u0441 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435\u043c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0441\u043b\u043e\u0432\u0430\u0440\u044f. \u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043f\u0440\u0438\u043c\u0435\u0440\u0430 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c ruGPT, \u0433\u0434\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u043e\u0441\u0442\u0438\u0433\u0430\u0435\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u043e\u043a\u043e\u043b\u043e 0.27 \u043f\u043e \u043e\u0441\u0438 Y, \u0447\u0442\u043e \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u0435\u0442 \u0432 \u0441\u0440\u0435\u0434\u043d\u0435\u043c 2-3 \u0442\u043e\u043a\u0435\u043d\u0430\u043c \u043d\u0430 \u0441\u043b\u043e\u0432\u043e. \u0420\u0430\u0441\u0448\u0438\u0440\u0435\u043d\u0438\u0435 \u0441\u043b\u043e\u0432\u0430\u0440\u044f \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u0442 \u043a \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044e \u044d\u0442\u043e\u0433\u043e \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 30% (1.3-\u043a\u0440\u0430\u0442\u043d\u043e\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435), \u0447\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0431\u043e\u043b\u0435\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u043c.<\/p>\n<p>\u0414\u043b\u044f T5 \u0433\u0440\u0430\u0444\u0430 \u0432 \u0446\u0435\u043b\u043e\u043c \u043d\u0435 \u0441\u0442\u0440\u0430\u0448\u043d\u0430 \u043d\u0435\u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438(<s>\u044f \u043d\u0435 \u043f\u043e\u043d\u044f\u043b \u0441\u0435\u0439\u0447\u0430\u0441 \u043f\u043e\u0447\u0435\u043c\u0443 \u0442\u0430\u043a \u043f\u043b\u043e\u0445\u043e \u0438 \u0432\u043e\u0432\u0440\u0435\u043c\u044f \u043d\u0435 \u0437\u0430\u043c\u0435\u0442\u0438\u043b, \u0430 \u043a\u043e\u0433\u0434\u0430 \u043a \u0441\u0442\u0430\u0442\u044c\u0435 \u0441\u0442\u0440\u043e\u0438\u043b \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u0431\u044b\u043b\u043e \u043f\u043e\u0437\u0434\u043d\u043e \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0441\u0442\u0430\u0442\u044c\u044f \u0437\u0430\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u043b\u0430\u0441\u044c \u043d\u0430 4 \u043d\u0435\u0434\u0435\u043b\u0438. \u0412\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u043f\u043e\u0442\u043e\u043c \u0441\u0434\u0435\u043b\u0430\u044e<\/s>), \u0437\u0430 \u0441\u0447\u0435\u0442 relative position embeddings \u043c\u043e\u0436\u043d\u043e \u043f\u0438\u0445\u0430\u0442\u044c \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432 \u043a\u0430\u0440\u0442\u0443 \u0432\u043b\u0435\u0437\u0435\u0442 \u0442\u043e\u043a\u0435\u043d\u043e\u0432.\u00a0<\/p>\n<h3>\u041a\u0430\u043a \u0443\u0447\u0438\u0442\u044c LLM \u0435\u0441\u043b\u0438 \u0442\u044b gpu poor?<\/h3>\n<p>\u0417\u0434\u0435\u0441\u044c \u0438 \u0434\u0430\u043b\u0435\u0435 \u044f \u0432\u0432\u043e\u0436\u0443 \u0442\u0435\u0440\u043c\u0438\u043d gpu poor &#8212;<span class=\"habrahidden\"> \u043e\u043d \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0432 \u0440\u0430\u043c\u043a\u0430\u0445 \u043e\u0434\u043d\u043e\u0439 \u043d\u043e\u0434\u044b, \u043d\u0435 \u0431\u043e\u043b\u0435\u0435 \u043c\u0435\u0441\u044f\u0446\u0430.  \u041f\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u0436\u0435\u043b\u0430\u043d\u0438\u0438 \u043c\u043e\u0436\u043d\u043e \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0441\u0442\u0438 \u0434\u043b\u044f \u0432\u0430\u0448\u0435\u0433\u043e \u044f\u0437\u044b\u043a\u0430 \u043f\u0440\u0438 \u0432\u043b\u043e\u0436\u0435\u043d\u0438\u0438 \u0446\u0435\u043d\u044b \u0445\u043e\u0440\u043e\u0448\u0435\u0433\u043e \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0430(&lt;10k usd \u043d\u0430 \u0432\u0441\u0435)<\/span><\/p>\n<p>\u0423 \u043d\u0430\u0441 \u0431\u044b\u043b\u043e 4v100 32gb, \u0442\u0435 \u043a\u0430\u0436\u0434\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 \u0447\u0435\u043c \u043d\u0443\u0436\u043d\u043e &#8212; 7B \u043a\u0443\u0448\u0430\u0435\u0442 54gb \u043d\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435  \u043c\u043e\u0434\u0435\u043b\u0438 \u0446\u0435\u043b\u0438\u043a\u043e\u043c. \u0421\u043f\u043e\u0439\u043b\u0435\u0440: <span class=\"habrahidden\">\u043f\u043e \u0438\u0442\u043e\u0433\u0443 \u044f \u0441\u043d\u0438\u043c\u0430\u043b h100<\/span>.<\/p>\n<p>\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u044b:\u00a0<\/p>\n<ul>\n<li>\n<p>v100 \u043d\u0435 \u0443\u043c\u0435\u044e\u0442 bf16<\/p>\n<\/li>\n<\/ul>\n<p>\u0427\u0442\u043e \u0434\u0435\u043b\u0430\u0442\u044c:<\/p>\n<ul>\n<li>\n<p>\u042d\u0442\u043e sxm \u043a\u0430\u0440\u0442\u044b, <s>\u0432\u044b\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u0441\u0435\u0440\u0432\u0435\u0440 \u043d\u0430 \u0443\u043b\u0438\u0446\u0443 \u043d\u0430 \u0442\u0430\u0431\u0443\u0440\u0435\u0442\u043a\u0443, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u043f\u0435\u0440\u0435\u0433\u0440\u0435\u0442\u044c, \u0441\u0442\u0430\u0432\u0438\u043c \u043f\u0438\u0442\u0430\u043d\u0438\u0435 600watt \u0438 \u0440\u0430\u0437\u0433\u043e\u043d\u044f\u0435\u043c\u0441\u044f<\/s>, \u043f\u043e\u043b\u043d\u0430\u044f \u0441\u0435\u0442\u0435\u0432\u0430\u044f \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u043e\u0441\u0442\u044c \u0447\u0435\u0440\u0435\u0437 NV => \u0440\u0430\u0441\u043a\u0438\u0434\u044b\u0432\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e \u043a\u0443\u0441\u043e\u0447\u043a\u0430\u043c \u043d\u0430 \u043a\u0430\u0440\u0442\u0443 \u0438 \u0443\u0447\u0438\u043c \u0441 FSDP tensor paralel<\/p>\n<\/li>\n<li>\n<p>Flash attention <a href=\"https:\/\/huggingface.co\/docs\/optimum\/bettertransformer\/tutorials\/convert\" rel=\"noopener noreferrer nofollow\">\u043e\u0442\u0441\u044e\u0434\u0430<\/a> \u0434\u043b\u044f h100<\/p>\n<\/li>\n<li>\n<p>\u0412\u043a\u043b\u044e\u0447\u0430\u0435\u043c grad checkpointing, \u0431\u043b\u0430\u0433\u043e \u0432 hf \u0432\u0441\u0435 \u0432\u043f\u0438\u043b\u0435\u043d\u043e<\/p>\n<\/li>\n<li>\n<p>\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c Adamw \u0447\u0442\u043e\u0431\u044b \u0441\u0447\u0438\u0442\u0430\u0442\u044c \u043f\u043e \u0432\u0441\u0435\u043c \u0441\u043b\u043e\u044f\u043c \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e \u0438 \u043d\u0435 \u043f\u043e\u0434\u0431\u0438\u0440\u0430\u0442\u044c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0437\u0430 10 \u0440\u0430\u043d\u043e\u0432 \u043d\u0435\u0441\u043c\u043e\u0442\u0440\u044f \u043d\u0430 \u0442\u043e \u0447\u0442\u043e \u043e\u043d \u043a\u0443\u0448\u0430\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u043f\u0430\u043c\u044f\u0442\u0438.<\/p>\n<\/li>\n<\/ul>\n<p>\u0412 \u0441\u0440\u0435\u0434\u0435 NLP\u0448\u043d\u0438\u043a\u043e\u0432 \u0445\u043e\u0434\u0438\u0442 \u043b\u0435\u0433\u0435\u043d\u0434\u0430\u00a0\u00a0\u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u043d\u0430 <a href=\"https:\/\/twitter.com\/karpathy\/status\/1621578354024677377\" rel=\"noopener noreferrer nofollow\">\u044d\u0442\u043e\u043c<\/a> <a href=\"https:\/\/docs.nvidia.com\/cuda\/ampere-tuning-guide\/index.html#tensor-operations\" rel=\"noopener noreferrer nofollow\">\u0442\u0432\u0438\u0442\u0435<\/a> \u043e \u0442\u043e\u043c \u0447\u0442\u043e \u0435\u0441\u043b\u0438 \u0440\u0430\u0437\u043c\u0435\u0440 \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u0430 \u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f \u043d\u0430 32 \u0438\u043b\u0438 64, \u0442\u043e \u0431\u043b\u043e\u0447\u043d\u043e\u0435 \u0443\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0438 \u0432 \u0446\u0435\u043b\u043e\u043c <\/p>\n<figure class=\"full-width\"><\/figure>\n<p>\u0412\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0441 torch compile \u0440\u0430\u0431\u043e\u0442\u0430\u043b\u043e \u0431\u044b \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u043d\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0438 \u0436\u0435\u043b\u0430\u043d\u0438\u044f \u044f \u043d\u0435 \u043d\u0430\u0448\u0435\u043b.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0443 \u0432\u0430\u0441 \u0435\u0441\u0442\u044c &#8212; \u043f\u0438\u0448\u0438\u0442\u0435 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u044b\u0435 Fused Kernels \u0432 \u0441\u0442\u0438\u043b\u0435  \u0438 \u0431\u0443\u0434\u0435\u0442 \u0432\u0430\u043c \u0441\u0447\u0430\u0441\u0442\u044c\u0435. <\/p>\n<p>\u0412\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u043e\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u0447\u0438\u0441\u043b\u0430 \u043a\u0430\u0440\u0442, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u0442\u0440\u0435\u043a\u0430\u0442\u044c MFU \u0447\u0435\u0433\u043e \u044f \u043d\u0435 \u0434\u0435\u043b\u0430\u043b, \u043d\u043e \u043d\u0430 \u0441\u0438\u043d\u0433\u043b \u043d\u043e\u0434\u0435 \u0438 \u0432 \u0440\u0430\u043c\u043a\u0430\u0445 \u0438\u0433\u0440\u0443\u0448\u0435\u0447\u043d\u044b\u0445 \u0442\u0440\u0435\u0439\u043d\u043e\u0432 \u0432 \u0446\u0435\u043b\u043e\u043c \u043c\u043e\u0436\u043d\u043e \u043e\u0447\u0435\u043d\u044c \u0441\u0438\u043b\u044c\u043d\u043e \u0437\u0430\u0431\u0438\u0432\u0430\u0442\u044c \u043d\u0430 FUSED kernels, \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0435 \u0434\u0430\u0442\u0430 \u043b\u043e\u0430\u0434\u0435\u0440\u044b \u0438 \u043f\u0440\u043e\u0447\u0438\u0435 \u0440\u0430\u0434\u043e\u0441\u0442\u0438. \u0427\u0435\u043a\u043d\u0438\u0442\u0435 \u0447\u0435\u0440\u0435\u0437 torch.profiler \u043a\u0430\u0440\u0442\u0430 \u043d\u0435 \u0441\u0438\u043b\u044c\u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u0438 \u0441\u0442\u0430\u0432\u044c\u0442\u0435 \u0443\u0447\u0438\u0442\u044c\u0441\u044f, \u043b\u0438\u0431\u043e \u043f\u043e\u043b\u044c\u0437\u0443\u0439\u0442\u0435\u0441\u044c \u0433\u043e\u0442\u043e\u0432\u044b\u043c\u0438 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f\u043c\u0438.<\/p>\n<h3>\u0414\u0430\u043d\u043d\u044b\u0435<\/h3>\n<p>\u042f \u0443\u0447\u0438\u043b\u0441\u044f \u043d\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u043c\u0438\u043a\u0441\u0435 \u0434\u043b\u044f 7b \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 3b:<\/p>\n<ul>\n<li>\n<p>Habr(\u0442\u043e\u043f 100\u043a \u043b\u0430\u0439\u043a\u043d\u0443\u0442\u044b\u0445) <a href=\"https:\/\/huggingface.co\/datasets\/IlyaGusev\/habr\" rel=\"noopener noreferrer nofollow\">\u043e\u0442\u0441\u044e\u0434\u0430<\/a><\/p>\n<\/li>\n<li>\n<p>\u041f\u0435\u0440\u0435\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0439 FLAN(\u0434\u043b\u044f T5 \u043c\u043e\u0434\u0435\u043b\u0438, \u0434\u043b\u044f 7b \u043d\u0435 \u0445\u0432\u0430\u0442\u0438\u043b\u043e \u043a\u0430\u0440\u0442)\u00a0<a href=\"https:\/\/huggingface.co\/datasets\/AlexWortega\/flan\" rel=\"noopener noreferrer nofollow\">\u043e\u0442\u0441\u044e\u0434\u0430<\/a><\/p>\n<\/li>\n<li>\n<p>\u0418\u043d\u0441\u0442\u0440\u0443\u043a\u0442\u0438\u0432\u043d\u0430\u044f \u0432\u0435\u0440\u0441\u0438\u044f 7B \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u0430 \u043d\u0430 <a href=\"https:\/\/huggingface.co\/IlyaGusev\/saiga_mistral_7b_lora\" rel=\"noopener noreferrer nofollow\">Saiga Mistral<\/a><\/p>\n<\/li>\n<\/ul>\n<h3>Flan t5 &#8212; VikhrT5-3b<\/h3>\n<p>\u0414\u043b\u044f \u043f\u0440\u0435\u0442\u0440\u0435\u043d\u0430 \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 T5 like \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u043d\u0435 MLM( \u041a\u0430\u043a\u043e\u0439 &lt;MASK> \u0437\u0434\u0435\u0441\u044c \u0442\u043e\u043a\u0435\u043d), \u0430 <a href=\"https:\/\/arxiv.org\/pdf\/2205.05131.pdf\" rel=\"noopener noreferrer nofollow\">Span corruption <\/a><\/p>\n<figure class=\"full-width\"><\/figure>\n<p>\u0418\u0434\u0435\u044f \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432 \u0442\u043e\u043c \u0447\u0442\u043e \u0443\u0447\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0440\u0430\u0437\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u043f\u043e\u0442\u043e\u043c \u0440\u0435\u0448\u0430\u0442\u044c \u0432\u0441\u044f\u043a\u0438\u0435 Fill in the middle, \u0438\u043b\u0438 \u0437\u0430\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c T5 \u0431\u044b\u0442\u044c \u043a\u043b\u0430\u0441\u0441\u0438\u043a LMtask \u043c\u043e\u0434\u0435\u043b\u044c\u044e(S denoising).<\/p>\n<p>\u042f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b \u043a\u043e\u0434\u043e\u0432\u0443\u044e \u0431\u0430\u0437\u0443 \u043e\u0442\u0441\u044e\u0434\u0430 <a href=\"https:\/\/github.com\/google-research\/t5x\" rel=\"noopener noreferrer nofollow\"><u>https:\/\/github.com\/google-research\/t5x<\/u><\/a>, \u0430 \u0437\u0430\u0442\u0435\u043c JAX \u043c\u043e\u0434\u0435\u043b\u044c \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0442\u0441\u044f \u0432 torch \u0431\u0435\u0437 \u043f\u0440\u043e\u0431\u043b\u0435\u043c.<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">dataset<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\"><strong>VikhrT5-3b<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>FRED-T5-XL(1.7b)<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>FLAN-t5-xl(3b)<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">ru_mmlu<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\">0.32<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.252<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.28(\u043b\u043e\u043b2)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">xwinograd_ru<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\">0.71(lol)<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.57<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.52<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">xnli_ru<\/p>\n<\/td>\n<td data-colwidth=\"146\" width=\"146\">\n<p align=\"left\">0.4280<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.34<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.33<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h3>Mistral 7b \u0438 \u0447\u0442\u043e \u0442\u0430\u043c \u043d\u0430\u0434\u0443\u043b\u043e? \u0432 \u0441\u043c\u044b\u0441\u043b\u0435 \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438\u2026<\/h3>\n<p>\u0412 \u0447\u0435\u043c \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c? \u041c\u043e\u0434\u0435\u043b\u0438 \u0438\u043c\u0435\u044e\u0442 \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u043e \u0442\u0443\u043f\u0435\u0442\u044c \u043f\u043e\u0441\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432 \u043b\u043e\u0431, \u0442\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432\u0438\u0434\u0435\u043b\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0431\u0443\u0434\u0443\u0442 \u0425\u0423\u0416\u0415 \u0447\u0435\u043c \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0440\u0443\u0441\u0441\u043a\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u041d\u0415 \u0432\u0438\u0434\u0435\u043b\u0430.<\/p>\n<p>\u042f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0438\u043b \u044d\u0442\u043e \u0432 <a href=\"https:\/\/huggingface.co\/AlexWortega\/rugpt-neo-1.3b\" rel=\"noopener noreferrer nofollow\"><u>https:\/\/huggingface.co\/AlexWortega\/rugpt-neo-1.3b<\/u><\/a><\/p>\n<p>\u0425\u043e\u0442\u044f \u0442\u0443\u0442 \u0438 \u043f\u0440\u043e\u0446\u0435\u0434\u0443\u0440\u0430 \u0431\u044b\u043b\u0430 \u0434\u0440\u0443\u0433\u0430\u044f &#8212; \u044f \u043c\u0435\u043d\u044f\u043b \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440 \u0446\u0435\u043b\u0438\u043a\u043e\u043c \u0438 \u0443\u0447\u0438\u043b \u0446\u0435\u043b\u0438\u043a\u043e\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0441 \u043d\u043e\u0432\u044b\u043c\u0438 \u044d\u043c\u0431\u0435\u0434\u0438\u0433\u0430\u043c\u0438, \u043d\u043e \u0441\u0443\u0442\u0438 \u043d\u0435 \u043c\u0435\u043d\u044f\u043b\u043e. \u041c\u043e\u0434\u0435\u043b\u044c \u043f\u0430\u0434\u0430\u043b\u0430 \u0438 \u043f\u0430\u0434\u0430\u043b\u0430 \u0442\u0440\u0430\u0433\u0438\u0447\u043d\u043e.<\/p>\n<p>\u0421\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0438\u0434\u0435\u044f \u043a\u0430\u043a \u0440\u0435\u0448\u0438\u0442\u044c \u043f\u0440\u043e\u0431\u043b\u043c\u0443 \u043f\u0440\u0438\u0448\u043b\u0430 \u0438\u0434\u0435\u044f \u0438\u0437 RL: \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u0441\u043c\u0435\u0448\u0438\u0432\u0430\u0442\u044c loss \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0443\u0447\u0438\u043c \u0441 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439, \u0442\u0435\u043c \u0441\u0430\u043c\u044b\u043c \u0431\u0443\u0434\u0435\u043c \u043d\u0435 \u0434\u0430\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0443\u0445\u043e\u0434\u0438\u0442\u044c \u043e\u0447\u0435\u043d\u044c \u0434\u0430\u043b\u0435\u043a\u043e.<\/p>\n<p>(\u0412 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f KL \u0448\u0442\u0440\u0430\u0444), \u044f \u0436\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e SLERP \u0434\u043b\u044f \u0438\u043d\u0442\u0435\u0440\u043f\u043e\u043b\u044f\u0446\u0438\u0438 \u043b\u043e\u0441\u0441\u043e\u0432<\/p>\n<figure class=\"\"><\/figure>\n<p>Mistral metric:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">dataset<\/p>\n<\/td>\n<td>\n<p align=\"left\">Vikhr-7b-0.1 (5-shot)<\/p>\n<\/td>\n<td>\n<p align=\"left\">Mistral-7B-v0.1 (5-shot)<\/p>\n<\/td>\n<td>\n<p align=\"left\">GigaChat(7b)<\/p>\n<p align=\"left\">(5shot)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">mmlu_ru<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.60<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>0.66<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">0.581<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">xwinograd_ru<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>0.7243<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">0.68<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.7127<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"175\" width=\"175\">\n<p align=\"left\">xnli_ru<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.3780<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.3991<\/p>\n<\/td>\n<td>\n<p align=\"left\">\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041a\u0430\u0447\u0430\u0442\u044c \u0442\u0443\u0442 <\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/Vikhr-7b-0.1\" rel=\"noopener noreferrer nofollow\">7B \u043c\u043e\u0434\u0435\u043b\u044c<\/a><\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/Vikhr-7B-instruct\" rel=\"noopener noreferrer nofollow\">7B \u0438\u043d\u0441\u0442\u0440\u0430\u043a\u0442<\/a><\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/VikhrT5-3b\" rel=\"noopener noreferrer nofollow\">3B T5 \u043c\u043e\u0434\u0435\u043b\u044c<\/a><\/p>\n<p><a href=\"https:\/\/huggingface.co\/Vikhrmodels\/VikhrT5-240m\" rel=\"noopener noreferrer nofollow\">240\u043c T5 \u043c\u043e\u0434\u0435\u043b\u044c<\/a><\/p>\n<p>\u0410\u0432\u0442\u043e\u0440\u044b:<\/p>\n<p>\u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 <\/p>\n<p>\u041a\u0430\u0440\u0438\u043d\u0430 &#8212; <a href=\"https:\/\/t.me\/nadlskom\" rel=\"noopener noreferrer nofollow\">https:\/\/t.me\/nadlskom<\/a><\/p>\n<p>\u0414\u0435\u043d\u0438\u0441 <a href=\"https:\/\/t.me\/den4ikresearch\" rel=\"noopener noreferrer nofollow\">@den4ikresearch<\/a> \u0437\u0430 \u043f\u043e\u043c\u043e\u0449\u044c \u0441 \u043f\u043e\u0434\u0431\u043e\u0440\u043e\u043c \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u04425<\/p>\n<p>\u041c\u0438\u0445\u0430\u0438\u043b \u0422\u0438\u0445\u043e\u043c\u0438\u0440\u043e\u0432 \u0437\u0430 early adoption \u0447\u0435\u043a\u043f\u043e\u0438\u043d\u0442\u044b \u0438 \u043d\u0430\u0439\u0434\u0435\u043d\u043d\u044b\u0439 \u043d\u0435\u0432\u0435\u0440\u043d\u044b\u0439 \u0447\u0435\u043a\u043f\u043e\u0438\u043d\u0442<\/p>\n<p>\u0418\u043b\u044c\u044f \u0413\u0443\u0441\u0435\u0432, \u0432 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043d\u0435 \u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u043b, \u043d\u043e \u0441\u0434\u0435\u043b\u0430\u043b \u043c\u043d\u043e\u0433\u043e \u0432\u0441\u0435\u0433\u043e \u0440\u0430\u043d\u0435\u0435 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u043e\u0433\u043e \u043e\u043f\u0435\u043d\u0441\u0443\u0440\u0441\u0430, \u0431\u0435\u0437 \u043d\u0435\u0433\u043e \u043d\u0435 \u0431\u044b\u043b\u043e \u0431\u044b \u044d\u0442\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b.<\/p>\n<p><strong>\u041f\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u043f\u043e\u0441\u043b\u0435 \u0441\u0442\u0430\u0442\u044c\u0438 \u0435\u0441\u043b\u0438 \u043a\u0430\u043a\u0438\u0435 \u0442\u043e \u0442\u0435\u0440\u043c\u0438\u043d\u044b\u00a0\u0431\u044b\u043b\u0438 \u043d\u0435\u00a0\u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0435:<\/strong><\/p>\n<ul>\n<li>\n<p><a href=\"https:\/\/huggingface.co\/learn\/nlp-course\/chapter6\/5?fw=pt\" rel=\"noopener noreferrer nofollow\"><u>\u041f\u0440\u043e \u0442\u043e\u043a\u0435\u043d\u0430\u0439\u0437\u0435\u0440\u044b<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/huggingface.co\/docs\/text-generation-inference\/conceptual\/flash_attention\" rel=\"noopener noreferrer nofollow\"><u>\u041f\u0440\u043e Flash attention<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2205.05131\" rel=\"noopener noreferrer nofollow\"><u>\u041f\u0440\u043e span corruption<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2312.02598v1.pdf\" rel=\"noopener noreferrer nofollow\"><u>Impact of Tokenization on LLaMa Russian Adaptation<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2310.06825.pdf\" rel=\"noopener noreferrer nofollow\"><u>\u043c\u0438\u0441\u0442\u0440\u0430\u043b\u044c \u043f\u0430\u043f\u0438\u0440, \u043f\u0443\u0442\u044c \u043b\u0435\u0436\u0438\u0442\u00a0<\/u><\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/arxiv.org\/pdf\/2304.08177.pdf\" rel=\"noopener noreferrer nofollow\"><u>Efficient and Effective Text Encoding for Chinese Llama and Alpaca<\/u><\/a><\/p>\n<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/787894\/\"> https:\/\/habr.com\/ru\/articles\/787894\/<\/a><br \/><\/br><\/br><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-365895","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/365895","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=365895"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/365895\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=365895"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=365895"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=365895"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}