TinyChat-0.1B

TinyChat-0.1B

TinyChat 是一个轻量级的大语言模型，采用现代化的 Transformer 架构设计。

模型特性

• 参数量: 约 0.1B (100M)
• 架构: Decoder-only Transformer
• 注意力机制: Grouped Query Attention (GQA)
• 位置编码: Rotary Position Embedding (RoPE)
• 归一化: RMSNorm
• 激活函数: SiLU (Swish)
• 词汇表大小: 6,400
• 最大序列长度: 1,024 tokens

模型配置

- Layers: 12
- Hidden Size: 768
- Attention Heads: 16 (Query) / 4 (Key-Value)
- FFN Hidden Size: 3,072
- Dropout: 0.1

使用方法

安装依赖

pip install transformers torch

加载模型

from transformers import AutoTokenizer, AutoModelForCausalLM

# 加载模型（需要设置 trust_remote_code=True）
model = AutoModelForCausalLM.from_pretrained(
    "tutututu1998/TinyChat-0.1B",
    trust_remote_code=True
)

# 加载 tokenizer
tokenizer = AutoTokenizer.from_pretrained(
    "tutututu1998/TinyChat-0.1B",
    trust_remote_code=True
)

# 生成文本
inputs = tokenizer("你好，", return_tensors="pt")
outputs = model.generate(
    **inputs,
    max_length=50,
    temperature=0.7,
    do_sample=True
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

批量生成

texts = ["你好，", "今天天气", "人工智能"]
inputs = tokenizer(texts, return_tensors="pt", padding=True)
outputs = model.generate(**inputs, max_length=50)

for i, output in enumerate(outputs):
    print(f"输入 {i+1}: {texts[i]}")
    print(f"输出 {i+1}: {tokenizer.decode(output, skip_special_tokens=True)}")
    print("-" * 50)

使用 KV Cache 加速推理

# 首次生成
inputs = tokenizer("你好，", return_tensors="pt")
outputs = model.generate(
    **inputs,
    max_length=50,
    use_cache=True  # 启用 KV cache
)

技术细节

Grouped Query Attention (GQA)

TinyChat 使用 GQA 来减少 KV cache 的内存占用：

• Query heads: 16
• Key-Value heads: 4
• 每个 KV head 被 4 个 Query heads 共享

Rotary Position Embedding (RoPE)

使用 RoPE 实现位置编码，参数：

• Base frequency (theta): 1,000,000
• 支持长度外推

训练信息

[在此添加训练数据集、训练步数、超参数等信息]

限制与注意事项

• 这是一个小型模型（0.1B 参数），能力有限
• 主要用于教学和研究目的
• 可能存在常见的语言模型问题（如幻觉、重复等）

许可证

[添加你的许可证信息]

引用

如果你使用了这个模型，请引用：

@misc{tinychat2024,
  author = {Your Name},
  title = {TinyChat: A Lightweight Language Model},
  year = {2024},
  publisher = {HuggingFace},
  howpublished = {\url{https://huggingface.co/your-username/TinyChat-0.1B}}
}

联系方式

[添加你的联系方式或 GitHub 链接]