RWKV-x060-Japanese-11.2B

RWKV Architecture "Finch" based 11.2B Parameters Model.

継続トレーニング中です。実験なので性能評価はしていません。

• "YORINOBU"
• Based on RWKV6-World v2.1 7b 53% Model, we have applied a layer expansion approach and tuned it as a 48-layer, 4096-dimensional model.
• I added 8 layers to the 40-layer model, froze layers 0 to 39, and continued pre-training layers 40 to 47, along with the Embedding and Head layers, using a Japanese corpus.
• Since it is an experimental approach, it may exhibit unpredictable behavior.
• RWKV6-World v2.1 7b 53% Modelをベースに、レイヤー拡張アプローチを適用し、48層4096次元モデルとしてチューニングしました。
• 40層モデルに8層を追加し、0から39レイヤーまでを凍結し、40から47、Emb、Head層を日本語コーパスで継続事前学習を行いました。
• 実験的アプローチなので、予測不可能な挙動をする可能性があります

Training

• using RWKV-LM-LISA Anarchy mode, Continuous Pre-traning
• https://github.com/OpenMOSE/RWKV-LM-LISA
• Single A6000 LISA 4layer training each step

2024 OpenMOSE