>>> from transformers import MambaConfig, MambaForCausalLM, AutoTokenizer
>>> import torch
>>> tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b", padding_side = "left")
>>> tokenizer.pad_token = tokenizer.eos_token
>>> model = MambaForCausalLM.from_pretrained("state-spaces/mamba-130m", vocab_size=50280, num_hidden_layers=24, torch_dtype=torch.float32)
>>> model.config.use_cache = True
>>> input_ids = tokenizer(["Hey how are you doing?", "Explain how soy sauce is made"], padding=True, return_tensors= "pt")["input_ids"]
>>> out = model.generate(input_ids, max_new_tokens=10)
>>> print(tokenizer.batch_decode(out))
["<|endoftext|>Hey how are you doing?\n\nI'm a newbie to the game", 'Explain how soy sauce is made.\n\n1. Add the soy sauce to']
Характеристики
- Параметры
- 237 млн
- Архитектура
- mamba · dense
- Библиотека
- transformers
- Опубликована
- 16 фев 2024
Ссылки
mamba-130m
Компактная авторегрессионная модель Mamba для генерации продолжения текста по заданному контексту.
4 302скачиваний за 30 дней3лайкавеса обновлены19 фев 2024
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
ArthurZ/mamba-130m — текстовая авторегрессионная модель семейства Mamba, опубликованная ArthurZ на Hugging Face и предназначенная для продолжения заданного текста. Она использует архитектуру MambaForCausalLM и содержит около 236,8 млн параметров; для работы с ней приведены примеры загрузки через Transformers и генерации текста. Модель принимает текстовые токены и выдаёт продолжение текста.
В примере карточки используется токенизатор EleutherAI/gpt-neox-20b, однако целевой язык обучения или набор поддерживаемых языков не указан. Карточка не описывает длину контекста или специальные диалоговые возможности. Репозиторий содержит веса Safetensors в формате F32; отдельные условия лицензии в доступных сведениях не установлены.
Сценарии применения
- продолжение короткого текстового фрагмента
- генерация простых текстовых ответов на подсказку
- эксперименты с архитектурой Mamba
- локальный запуск компактной модели для генерации текста
Ограничения
Карточка не подтверждает конкретные языки, длину контекста или качество в специализированных задачах; доступные примеры показывают базовую генерацию, а не настройку для диалога или инструкций.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- MambaForCausalLM
- Ревизия весов
- 80bb8cf