/ Модель

Характеристики

Контекст
8 192 токена
Параметры
8,2 млрд
Размер весов
55,1 ГБ
Архитектура
gemmoe · MoE
Опубликована
21 мар 2024

GemMoE-Medium-v0.4

Генерация текстаТекст → текст9 профессий

Разреженная языковая MoE-модель на 8,2 млрд параметров для генерации текста и диалоговых ответов.

86скачиваний за 30 дней18лайковвеса обновлены22 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

GemMoE-Medium-v0.4 — языковая модель с разреженной архитектурой Mixture of Experts, разработанная Lucas под именем Crystalcareai. В README описан подход Branch Train Mix: четыре эксперта обучались отдельно, затем были объединены, а маршрутизатор дообучен при замороженных экспертах. Для маршрутизатора использовались четыре эпохи на Self-Discover-MM и две эпохи на TruthyDPO; маршрутизация выполняется по токенам.

Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают 8,2 млрд параметров и контекст до 8192 токенов; файлы опубликованы в формате safetensors. Автор отмечает экономию видеопамяти и конкурентное качество для размера модели, однако в карточке нет результатов сопоставимых бенчмарков. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоге
  • создание черновиков и продолжение текста
  • суммирование текстовых материалов
  • помощь в рассуждениях и решении задач

Ограничения

В карточке не приведены сопоставимые бенчмарки, поэтому заявленное качество и преимущества маршрутизации по токенам независимо оценить нельзя. Языки и лицензия в предоставленных данных не указаны.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GemMoE: A New MoE Method via Branch Train Mix

I would like to introduce GemMoE, a new Mixture of Experts (MoE) method that utilizes a custom implementation of Meta's Branch Train Mix MoE method. This approach, detailed in the research paper "Branch Train Mix: A Novel Mixture-of-Experts Training Procedure", has allowed me to create an efficient model that overcomes the limitations of previous GemMoE models.

GemMoE is a 4x8.5b MoE model, consisting of 4 experts that were trained separately and then combined using a custom fork of axolotl. This fork enabled me to freeze all experts and focus on training the router mechanism. The router was trained on 4 epochs of my Self-Discover-MM dataset and 2 epochs of TruthyDPO from Jon Durbin.

One of the main differences between GemMoE and previous versions is the use of tokenization routing instead of semantic routing. This approach, similar to the one used in mixtral, results in improved VRAM usage and competitive performance for its size.

The Branch Train Mix Method

The Branch Train Mix method offers several potential benefits over traditional MoE training approaches:

  1. Improved training stability and convergence
  2. Reduced computational cost and memory usage
  3. Enhanced model performance and generalization

By utilizing this training procedure, GemMoE aims to achieve competitive results while maintaining a compact and efficient architecture.

Collaboration and Open-Source Development

GemMoE builds upon the work of researchers and developers from various organizations, including Meta, Hugging Face, and the broader open-source community. I would like to thank the researchers behind the Branch Train Mix method, as well as the developers of axolotl and Jon Durbin for creating TruthyDPO.

Future Development

As GemMoE continues to develop, I am open to collaborating with the community to further refine and improve the model. By sharing knowledge, insights, and resources, we can explore the potential of MoE architectures, as I truly believe that this is how we'll get our own Claude 3 level model thats entirely open-source.

I invite researchers, developers, and enthusiasts to explore GemMoE, provide feedback, and contribute to its ongoing development. Together, we can work towards creating powerful tools that benefit society as a whole.

Thank you for your interest in GemMoE, and I look forward to seeing the applications and discoveries that emerge from this project.

-Lucas

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GemmoeForCausalLM
Ревизия весов
6adcece

0 моделей