unakar/Unakar1.5B-base

此为base model，未经SFT与DPO对齐，不具备指令跟随能力。模型在科学知识问题上比较突出，代码和写作能力一般。

Instruct版本见https://huggingface.co/unakar/Unakar-1.5B-Instruct

争取10月前放出完整的教程/技术报告/pretrain数据/全流程logbook

Pretrain数据主要来自huggingface上一些开源数据，经过合成过滤得到，比如fineweb-edu，dclm, llama3-syne。考虑到phi的textbook is all your need，大部分主题都是wiki和textbook。其余是代码/数学/问答/推理/通用等等。

模型架构基本沿用llama，修改了mlp-ratio为2.6875以获得理想最大tflops数。GQA，rope也没什么好说的。

训练采用32卡数据并行，zero1, 约3天完成。三阶段pretrain，依次是通用-数学/代码推理-长上下文。末期退火测了一批数据质量。

微调分二阶段进行，基本沿用阿里23年10月那篇，此处不再赘述。RLHF使用DPO，数据均来自开源数据集。

且待后续完善！进行ing