first commit
This commit is contained in:
xxl
parent
1bf5562c24
commit
817ea7ec71
201
README.md
201
README.md
|
|
@ -1,3 +1,202 @@
|
||||||
|
---
|
||||||
|
library_name: transformers
|
||||||
|
license: cc-by-4.0
|
||||||
|
language:
|
||||||
|
- en
|
||||||
|
- fr
|
||||||
|
- de
|
||||||
|
- it
|
||||||
|
- pt
|
||||||
|
- es
|
||||||
|
pipeline_tag: text-generation
|
||||||
|
---
|
||||||
|
|
||||||
# helium-1-preview-2b
|
# helium-1-preview-2b
|
||||||
|
|
||||||
helium-1-preview-2b
|
<!-- Provide a quick summary of what the model is/does. -->
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
## Model Details
|
||||||
|
|
||||||
|
### Model Description
|
||||||
|
|
||||||
|
<!-- Provide a longer summary of what this model is. -->
|
||||||
|
|
||||||
|
Helium-1 preview is a lightweight language model with 2B parameters, targeting edge and mobile devices.
|
||||||
|
It supports the following languages: English, French, German, Italian, Portuguese, Spanish.
|
||||||
|
|
||||||
|
⚠️ Helium-1 Preview is a base model, which was not fine-tuned to follow instructions or human preferences.
|
||||||
|
For most downstream use cases, the model should be aligned with supervised fine-tuning, RLHF or related methods.
|
||||||
|
|
||||||
|
- **Developed by:** Kyutai
|
||||||
|
- **Model type:** Large Language Model
|
||||||
|
- **Language(s) (NLP):** English, French, German, Italian, Portuguese, Spanish
|
||||||
|
- **License:** CC-BY 4.0
|
||||||
|
|
||||||
|
<!-- ### Model Sources [optional]
|
||||||
|
|
||||||
|
Provide the basic links for the model.
|
||||||
|
|
||||||
|
- **Repository:** [More Information Needed]
|
||||||
|
- **Paper [optional]:** [More Information Needed]
|
||||||
|
- **Demo [optional]:** [More Information Needed] -->
|
||||||
|
|
||||||
|
## Uses
|
||||||
|
|
||||||
|
<!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
|
||||||
|
|
||||||
|
### Direct Use
|
||||||
|
|
||||||
|
<!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
|
||||||
|
|
||||||
|
The intended use of the Helium model is research and development of natural language processing systems, including but not limited to language generation and understanding.
|
||||||
|
The model can be used in English, French, German, Italian, Portuguese and Spanish.
|
||||||
|
For most downstream use cases, the model should be aligned with supervised fine-tuning, RLHF or related methods.
|
||||||
|
|
||||||
|
### Out-of-Scope Use
|
||||||
|
|
||||||
|
<!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
|
||||||
|
|
||||||
|
The model should not be used in other languages than the ones on which it was trained.
|
||||||
|
The model is not intended to be used for any malicious or illegal activities of any kind.
|
||||||
|
The model was not fine-tuned to follow instructions, and thus should not be used as such.
|
||||||
|
|
||||||
|
## Bias, Risks, and Limitations
|
||||||
|
|
||||||
|
<!-- This section is meant to convey both technical and sociotechnical limitations. -->
|
||||||
|
|
||||||
|
Helium-1 preview is a base language model, which was not aligned to human preferences.
|
||||||
|
As such, the model can generate incorrect, biased, harmful or generally unhelpful content.
|
||||||
|
Thus, the model should not be used for downstream applications without further alignment, evaluations and mitigations of risks.
|
||||||
|
<!-- Thus, it should not be used without further evaluations of risks and mitigations. -->
|
||||||
|
|
||||||
|
## How to Get Started with the Model
|
||||||
|
|
||||||
|
Use the code below to get started with the model.
|
||||||
|
|
||||||
|
```python
|
||||||
|
import torch
|
||||||
|
from transformers import pipeline
|
||||||
|
|
||||||
|
model_id = "kyutai/helium-1-preview-2b"
|
||||||
|
|
||||||
|
pipe = pipeline(
|
||||||
|
"text-generation",
|
||||||
|
model=model_id,
|
||||||
|
torch_dtype=torch.bfloat16,
|
||||||
|
device_map="auto"
|
||||||
|
)
|
||||||
|
|
||||||
|
text = pipe("Hello, today is a great day to")
|
||||||
|
```
|
||||||
|
|
||||||
|
## Training Details
|
||||||
|
|
||||||
|
### Training Data
|
||||||
|
|
||||||
|
<!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
|
||||||
|
|
||||||
|
Helium-1 preview was trained on a mix of data including: Wikipedia, Stack Exchange, open-access scientific articles (from peS2o) and Common Crawl.
|
||||||
|
|
||||||
|
<!--#### Training Hyperparameters
|
||||||
|
|
||||||
|
- **Training regime:** [More Information Needed] -->
|
||||||
|
|
||||||
|
<!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
|
||||||
|
|
||||||
|
## Evaluation
|
||||||
|
|
||||||
|
<!-- This section describes the evaluation protocols and provides the results. -->
|
||||||
|
|
||||||
|
#### Testing Data
|
||||||
|
|
||||||
|
<!-- This should link to a Dataset Card if possible. -->
|
||||||
|
|
||||||
|
The model was evaluated on MMLU, TriviaQA, NaturalQuestions, ARC Easy & Challenge, Open Book QA, Common Sense QA,
|
||||||
|
Physical Interaction QA, Social Interaction QA, HellaSwag, WinoGrande, Multilingual Knowledge QA, FLORES 200.
|
||||||
|
|
||||||
|
#### Metrics
|
||||||
|
|
||||||
|
<!-- These are the evaluation metrics being used, ideally with a description of why. -->
|
||||||
|
|
||||||
|
We report accuracy on MMLU, ARC, OBQA, CSQA, PIQA, SIQA, HellaSwag, WinoGrande.
|
||||||
|
We report exact match on TriviaQA, NQ and MKQA.
|
||||||
|
We report BLEU on FLORES.
|
||||||
|
|
||||||
|
#### English Results
|
||||||
|
|
||||||
|
| Benchmark | Helium-1 Preview | HF SmolLM2 (1.7B) | Gemma-2 (2.6B) | Llama-3.2 (3B) | Qwen2.5 (1.5B) |
|
||||||
|
|--------------|:------:|:------:|:------:|:------:|:------:|
|
||||||
|
| | | | | | |
|
||||||
|
| MMLU | 51.2 | 50.4 | 53.1 | 56.6 | 61.0 |
|
||||||
|
| NQ | 17.3 | 15.1 | 17.7 | 22.0 | 13.1 |
|
||||||
|
| TQA | 47.9 | 45.4 | 49.9 | 53.6 | 35.9 |
|
||||||
|
| ARC E | 80.9 | 81.8 | 81.1 | 84.6 | 89.7 |
|
||||||
|
| ARC C | 62.7 | 64.7 | 66.0 | 69.0 | 77.2 |
|
||||||
|
| OBQA | 63.8 | 61.4 | 64.6 | 68.4 | 73.8 |
|
||||||
|
| CSQA | 65.6 | 59.0 | 64.4 | 65.4 | 72.4 |
|
||||||
|
| PIQA | 77.4 | 77.7 | 79.8 | 78.9 | 76.0 |
|
||||||
|
| SIQA | 64.4 | 57.5 | 61.9 | 63.8 | 68.7 |
|
||||||
|
| HS | 69.7 | 73.2 | 74.7 | 76.9 | 67.5 |
|
||||||
|
| WG | 66.5 | 65.6 | 71.2 | 72.0 | 64.8 |
|
||||||
|
| | | | | | |
|
||||||
|
| Average | 60.7 | 59.3 | 62.2 | 64.7 | 63.6 |
|
||||||
|
|
||||||
|
#### Multilingual Results
|
||||||
|
|
||||||
|
| Language | Benchmark | Helium-1 Preview | HF SmolLM2 (1.7B) | Gemma-2 (2.6B) | Llama-3.2 (3B) | Qwen2.5 (1.5B) |
|
||||||
|
|-----|--------------|:------:|:------:|:------:|:------:|:------:|
|
||||||
|
| | | | | | | |
|
||||||
|
| German | MMLU | 45.6 | 35.3 | 45.0 | 47.5 | 49.5 |
|
||||||
|
| | ARC C | 56.7 | 38.4 | 54.7 | 58.3 | 60.2 |
|
||||||
|
| | HS | 53.5 | 33.9 | 53.4 | 53.7 | 42.8 |
|
||||||
|
| | MKQA | 16.1 | 7.1 | 18.9 | 20.2 | 10.4 |
|
||||||
|
| | FLORES | 33.9 | 12.2 | 30.7 | 28.2 | 20.8 |
|
||||||
|
| Spanish | MMLU | 46.5 | 38.9 | 46.2 | 49.6 | 52.8 |
|
||||||
|
| | ARC C | 58.3 | 43.2 | 58.8 | 60.0 | 68.1 |
|
||||||
|
| | HS | 58.6 | 40.8 | 60.5 | 61.1 | 51.4 |
|
||||||
|
| | MKQA | 16.0 | 7.9 | 18.5 | 20.6 | 10.6 |
|
||||||
|
| | FLORES | 25.7 | 15.0 | 25.7 | 23.7 | 20.4 |
|
||||||
|
| French | MMLU | 46.0 | 37.7 | 45.7 | 48.8 | 51.9 |
|
||||||
|
| | ARC C | 57.9 | 40.6 | 57.5 | 60.1 | 67.4 |
|
||||||
|
| | HS | 59.0 | 41.1 | 60.4 | 59.6 | 51.2 |
|
||||||
|
| | MKQA | 16.8 | 8.4 | 18.4 | 19.6 | 9.7 |
|
||||||
|
| | FLORES | 44.3 | 20.0 | 43.3 | 39.3 | 31.2 |
|
||||||
|
| Italian | MMLU | 46.1 | 36.3 | 45.6 | 48.8 | 50.5 |
|
||||||
|
| | ARC C | 57.4 | 39.1 | 53.9 | 60.1 | 64.6 |
|
||||||
|
| | HS | 55.2 | 37.7 | 56.2 | 56.8 | 46.8 |
|
||||||
|
| | MKQA | 15.3 | 6.3 | 18.0 | 19.0 | 9.9 |
|
||||||
|
| | FLORES | 25.8 | 10.4 | 25.2 | 23.8 | 16.4 |
|
||||||
|
| Portuguese | MMLU | 46.2 | 37.7 | 45.6 | 49.2 | 53.0 |
|
||||||
|
| | ARC C | 56.8 | 40.6 | 57.0 | 62.1 | 66.6 |
|
||||||
|
| | HS | 57.3 | 41.0 | 58.7 | 59.1 | 50.9 |
|
||||||
|
| | MKQA | 14.7 | 6.6 | 16.9 | 19.1 | 9.2 |
|
||||||
|
| | FLORES | 43.0 | 20.0 | 43.6 | 40.5 | 33.0 |
|
||||||
|
| | | | | | | |
|
||||||
|
| | Average | 42.1 | 27.8 | 42.3 | 43.6 | 40.0
|
||||||
|
|
||||||
|
## Technical Specifications
|
||||||
|
|
||||||
|
### Model Architecture and Objective
|
||||||
|
|
||||||
|
| Hyperparameter | Value |
|
||||||
|
|--------------|:------:|
|
||||||
|
| Layers | 24 |
|
||||||
|
| Heads | 20 |
|
||||||
|
| Model dimension | 2560 |
|
||||||
|
| MLP dimension | 7040 |
|
||||||
|
| Context size | 4096 |
|
||||||
|
| Theta RoPE | 100,000 |
|
||||||
|
|
||||||
|
#### Hardware
|
||||||
|
|
||||||
|
The model was trained on 128 NVIDIA H100 Tensor Core GPUs.
|
||||||
|
|
||||||
|
#### Software
|
||||||
|
|
||||||
|
The model was trained using Jax.
|
||||||
|
|
||||||
|
## Citation
|
||||||
|
|
||||||
|
Blog post: https://kyutai.org/2025/01/13/helium.html
|
||||||
|
|
|
||||||
|
|
@ -0,0 +1,28 @@
|
||||||
|
{
|
||||||
|
"architectures": [
|
||||||
|
"HeliumForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_bias": false,
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"head_dim": 128,
|
||||||
|
"hidden_act": "silu",
|
||||||
|
"hidden_size": 2560,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"intermediate_size": 7040,
|
||||||
|
"max_position_embeddings": 4096,
|
||||||
|
"mlp_bias": false,
|
||||||
|
"model_type": "helium",
|
||||||
|
"num_attention_heads": 20,
|
||||||
|
"num_hidden_layers": 24,
|
||||||
|
"num_key_value_heads": 20,
|
||||||
|
"pretraining_tp": 1,
|
||||||
|
"rms_norm_eps": 1e-08,
|
||||||
|
"rope_theta": 100000.0,
|
||||||
|
"tie_word_embeddings": false,
|
||||||
|
"torch_dtype": "bfloat16",
|
||||||
|
"transformers_version": "4.45.0.dev0",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 48000
|
||||||
|
}
|
||||||
|
|
@ -0,0 +1 @@
|
||||||
|
{}
|
||||||
File diff suppressed because it is too large
Load Diff
|
|
@ -0,0 +1,857 @@
|
||||||
|
{
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"1": {
|
||||||
|
"content": "<s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"2": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"3": {
|
||||||
|
"content": "<pad>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"4": {
|
||||||
|
"content": "<|im_start|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"5": {
|
||||||
|
"content": "<|im_end|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"6": {
|
||||||
|
"content": "<|im_sp_00|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"7": {
|
||||||
|
"content": "<|im_sp_01|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"8": {
|
||||||
|
"content": "<|im_sp_02|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"9": {
|
||||||
|
"content": "<|im_sp_03|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"10": {
|
||||||
|
"content": "<|im_sp_04|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"11": {
|
||||||
|
"content": "<|im_sp_05|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"12": {
|
||||||
|
"content": "<|im_sp_06|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"13": {
|
||||||
|
"content": "<|im_sp_07|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"14": {
|
||||||
|
"content": "<|im_sp_08|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"15": {
|
||||||
|
"content": "<|im_sp_09|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"16": {
|
||||||
|
"content": "<|im_sp_10|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"17": {
|
||||||
|
"content": "<|im_sp_11|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"18": {
|
||||||
|
"content": "<|im_sp_12|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"19": {
|
||||||
|
"content": "<|im_sp_13|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"20": {
|
||||||
|
"content": "<|im_sp_14|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"21": {
|
||||||
|
"content": "<|im_sp_15|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"22": {
|
||||||
|
"content": "<|im_sp_16|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"23": {
|
||||||
|
"content": "<|im_sp_17|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"24": {
|
||||||
|
"content": "<|im_sp_18|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"25": {
|
||||||
|
"content": "<|im_sp_19|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"26": {
|
||||||
|
"content": "<|im_sp_20|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"27": {
|
||||||
|
"content": "<|im_sp_21|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"28": {
|
||||||
|
"content": "<|im_sp_22|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"29": {
|
||||||
|
"content": "<|im_sp_23|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"30": {
|
||||||
|
"content": "<|im_sp_24|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"31": {
|
||||||
|
"content": "<|im_sp_25|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"32": {
|
||||||
|
"content": "<|im_sp_26|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"33": {
|
||||||
|
"content": "<|im_sp_27|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"34": {
|
||||||
|
"content": "<|im_sp_28|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"35": {
|
||||||
|
"content": "<|im_sp_29|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"36": {
|
||||||
|
"content": "<|im_sp_30|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"37": {
|
||||||
|
"content": "<|im_sp_31|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"38": {
|
||||||
|
"content": "<|im_sp_32|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"39": {
|
||||||
|
"content": "<|im_sp_33|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"40": {
|
||||||
|
"content": "<|im_sp_34|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"41": {
|
||||||
|
"content": "<|im_sp_35|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"42": {
|
||||||
|
"content": "<|im_sp_36|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"43": {
|
||||||
|
"content": "<|im_sp_37|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"44": {
|
||||||
|
"content": "<|im_sp_38|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"45": {
|
||||||
|
"content": "<|im_sp_39|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"46": {
|
||||||
|
"content": "<|im_sp_40|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"47": {
|
||||||
|
"content": "<|im_sp_41|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"48": {
|
||||||
|
"content": "<|im_sp_42|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"49": {
|
||||||
|
"content": "<|im_sp_43|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"50": {
|
||||||
|
"content": "<|im_sp_44|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"51": {
|
||||||
|
"content": "<|im_sp_45|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"52": {
|
||||||
|
"content": "<|im_sp_46|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"53": {
|
||||||
|
"content": "<|im_sp_47|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"54": {
|
||||||
|
"content": "<|im_sp_48|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"55": {
|
||||||
|
"content": "<|im_sp_49|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"56": {
|
||||||
|
"content": "<|im_sp_50|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"57": {
|
||||||
|
"content": "<|im_sp_51|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"58": {
|
||||||
|
"content": "<|im_sp_52|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"59": {
|
||||||
|
"content": "<|im_sp_53|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"60": {
|
||||||
|
"content": "<|im_sp_54|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"61": {
|
||||||
|
"content": "<|im_sp_55|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"62": {
|
||||||
|
"content": "<|im_sp_56|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"63": {
|
||||||
|
"content": "<|im_sp_57|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"64": {
|
||||||
|
"content": "<|im_sp_58|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"65": {
|
||||||
|
"content": "<|im_sp_59|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"66": {
|
||||||
|
"content": "<|im_sp_60|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"67": {
|
||||||
|
"content": "<|im_sp_61|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"68": {
|
||||||
|
"content": "<|im_sp_62|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"69": {
|
||||||
|
"content": "<|im_sp_63|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"70": {
|
||||||
|
"content": "<|im_sp_64|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"71": {
|
||||||
|
"content": "<|im_sp_65|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"72": {
|
||||||
|
"content": "<|im_sp_66|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"73": {
|
||||||
|
"content": "<|im_sp_67|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"74": {
|
||||||
|
"content": "<|im_sp_68|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"75": {
|
||||||
|
"content": "<|im_sp_69|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"76": {
|
||||||
|
"content": "<|im_sp_70|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"77": {
|
||||||
|
"content": "<|im_sp_71|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"78": {
|
||||||
|
"content": "<|im_sp_72|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"79": {
|
||||||
|
"content": "<|im_sp_73|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"80": {
|
||||||
|
"content": "<|im_sp_74|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"81": {
|
||||||
|
"content": "<|im_sp_75|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"82": {
|
||||||
|
"content": "<|im_sp_76|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"83": {
|
||||||
|
"content": "<|im_sp_77|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"84": {
|
||||||
|
"content": "<|im_sp_78|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"85": {
|
||||||
|
"content": "<|im_sp_79|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"86": {
|
||||||
|
"content": "<|im_sp_80|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"87": {
|
||||||
|
"content": "<|im_sp_81|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"88": {
|
||||||
|
"content": "<|im_sp_82|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"89": {
|
||||||
|
"content": "<|im_sp_83|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"90": {
|
||||||
|
"content": "<|im_sp_84|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"91": {
|
||||||
|
"content": "<|im_sp_85|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"92": {
|
||||||
|
"content": "<|im_sp_86|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"93": {
|
||||||
|
"content": "<|im_sp_87|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"94": {
|
||||||
|
"content": "<|im_sp_88|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"95": {
|
||||||
|
"content": "<|im_sp_89|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"96": {
|
||||||
|
"content": "<|im_sp_90|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"97": {
|
||||||
|
"content": "<|im_sp_91|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"98": {
|
||||||
|
"content": "<|im_sp_92|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"99": {
|
||||||
|
"content": "<|im_sp_93|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"100": {
|
||||||
|
"content": "<|im_sp_94|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"101": {
|
||||||
|
"content": "<|im_sp_95|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"102": {
|
||||||
|
"content": "<|im_sp_96|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"103": {
|
||||||
|
"content": "<|im_sp_97|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"104": {
|
||||||
|
"content": "<|im_sp_98|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"105": {
|
||||||
|
"content": "<|im_sp_99|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": true,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"116": {
|
||||||
|
"content": "\n",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"model_max_length": 1000000000000000019884624838656,
|
||||||
|
"tokenizer_class": "PreTrainedTokenizerFast",
|
||||||
|
"model_input_names": ["input_ids", "attention_mask"]
|
||||||
|
}
|
||||||
Loading…
Reference in New Issue