Финальной выбрана конфигурация small + GQA + RoPE, потому что она показала лучшее качество среди всех проведённых экспериментов по двум основным метрикам:

Метрика	Значение
Validation loss	2.4695
Perplexity	11.82

Финальная модель

Основные компоненты:

Компонент	Использованный вариант
Архитектура	Decoder-only Transformer
Attention	Grouped-Query Attention
Позиционные эмбеддинги	Rotary Positional Embeddings
Нормализация	RMSNorm
Feed-forward блок	SwiGLU
Токенизатор	Byte-level BPE

Сравнение экспериментов

№	Эксперимент	Validation loss	Perplexity
1	small + GQA baseline	2.5650	13.00
2	small + GQA + RoPE	2.4695	11.82
3	mini + MLA + RoPE	2.7306	15.34
4	small + MLA + RoPE	2.4905	12.07

Лучший результат получила модель small + GQA + RoPE.

Примеры генерации

Параметры генерации:

Параметр	Значение
max_new_tokens	200
temperature	0.8
top_k	30
do_sample	true
seed	42

Пример 1

Prompt

Штирлиц пришел домой

Generated text

Штирлиц пришел домой - весь вечер подумал, что у неё украли.

Пример 2

Prompt

Вовочка на уроке

Generated text

text

Вовочка на уроке русского языка учится на букву ``К`` и
 белый, и с чистой.
 Девочка:
 - Папа, пап, сегодня вечером папа пришел в школу,
 да! И так! Уже в школе!
 Мать:
 - А я, мама, не понял...

Пример 3

Prompt

Заходит в бар

Generated text

Заходит в бар в ларьку и видит, что держится на площади стекла. А доктор ему и сказал:- Доктор, у меня болит голова и рот пить не налил.Врач подумал и говорит:- Или у меня хлещет?И, встала с кровати:- Нет, просто у меня на характере нет...

Пример 4

Prompt

Однажды студент

Generated text

text

Однажды студент пришел к врачу и рассказывает ему: 
— Доктор, помогите, я выйду на него замуж! 
— А что вы делаете?! 
— Ну вот, папа, папаша, иду по парку и говорю: «Знаю
— А вы сегодня опять плохо приготовили» — подумал Штирлиц. И вот, значит, в темном классе
— Ну, это не хуйня, и он меня тоже.

Файлы репозитория

Файл	Назначение
`model.safetensors`	веса финальной модели
`config.json`	конфигурация модели
`vocabulary.json`	словарь токенизатора
`merges.json`	merge-файл токенизатора
`metrics.json`	метрики всех экспериментов
`eval_results.json`	финальные eval-метрики
`generation_samples.json`	примеры генерации в JSON
`generation_samples.md`	примеры генерации в Markdown

Итог

Финальная модель - small + GQA + RoPE.

Она стала лучшей и показала следующие финальные значения:

Финальная метрика	Значение
Validation loss	2.4695
Perplexity	11.82

Краткий вывод по экспериментам

RoPE оказался полезным улучшением для small + GQA модели: validation loss снизился с 2.5650 до 2.4695, а perplexity - с 13.00 до 11.82.

MLA + RoPE тоже был протестирован, но в данной постановке small + GQA + RoPE оказался лучше по итоговым метрикам.

lllezd/dl-course-hw13

DL Course HW13

Кратко

Финальная модель

Сравнение экспериментов

Примеры генерации

Пример 1

Пример 2

Пример 3

Пример 4

Файлы репозитория

Итог

lllezd/
dl-course-hw13