README.md

---
license: other
---
# GEB-1.3B
GEB-1.3B是北京集异璧科技有限公司发布的轻量级语言大模型，拥有13亿参数，由550B中英文tokens数据训练而成。采用了目前较新的训练技术，包括 ROPE位置编码、多组注意力机制和FlashAttention-2，以在加速训练的同时保持模型性能。此外，我们使用了 1000 万条指令数据进行微调，以增强模型的对齐能力，并采用DPO方法更新模型以符合人类偏好。
GEB-1.3B在MMLU、C-Eval和CMMLU等常用基准测试中表现优异，超过了类似同参数级别的模型如TinyLLaMA-1.1B。值得注意的是，GEB-1.3B的FP32版本在CPU上实现了令人满意的推理时间，我们正在通过先进的量化技术进一步提升速度。

# 评测结果
| Model          | MMLU  | C-Eval | CMMLU | Average |
|----------------|-------|--------|-------|---------|
| Baichuan-7B    | 42.30 | 42.80  | 44.02 | 43.04   |
| ChatGLM-6B     | 40.63 | 38.90  | -     | 39.77   |
| GEB-1.3B       | 31.20 | 33.30  | 32.20 | 32.23   |
| Llama-7B       | 35.10 | 27.10  | 26.75 | 29.65   |
| Falcon-7B      | 28.00 | -      | -     | 28.00   |
| MPT-7B         | 27.93 | 27.15  | 26.00 | 27.03   |
| MindLLM-1.3B   | 26.20 | 26.10  | 25.33 | 25.88   |
| MindLLM-3B     | 26.20 | 25.70  | 25.00 | 25.63   |
| TinyLlama-1.1B | 25.34 | 25.02  | 24.03 | 24.80   |

# 运行模型

使用 transformers 后端进行推理:

```python
from transformers import AutoTokenizer, AutoModel
import torch
model = AutoModel.from_pretrained("GEB-AGI/geb-1.3b", trust_remote_code=True).bfloat16().cuda()
tokenizer = AutoTokenizer.from_pretrained("GEB-AGI/geb-1.3b", trust_remote_code=True)

query = "你好"
response, history = model.chat(tokenizer, query, history=[])
print(response)
```
如果无法下载，请手动clone repo把模型文件下载到本地，并将本地路径替换model和tokenizer的路径。

# 推理速度

| 推理硬件 | 速度token/s |
|:--------:|:-----------:|
|   CPU    |     12      |
|   3090   |     45      |
|   4090   |     50      |


## 协议

GEB-1.3B 模型的权重的使用则需要遵循 [LICENSE](LICENSE)。

## 引用
```
@article{geb-1.3b,
  title={GEB-1.3B: Open Lightweight Large Language Model},
  author={Jie Wu and Yufeng Zhu and Lei Shen and Xuqing Lu},
  journal={arXiv preprint arXiv:2406.09900},
  year={2024}
}
```