/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
39,4 млн
Лицензия
Apache 2.0
Архитектура
gemma · dense
Библиотека
transformers
Опубликована
25 янв 2025

Gemstone-256x27

Генерация текстаТекст → текст3 профессии

Производная модели Gemstone-Models/Gemstone-256x23. Небольшая англоязычная авторегрессионная модель Gemma для продолжения текста и экспериментов с генерацией.

735скачиваний за 30 дней0лайковвеса обновлены9 фев 2025

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

Карточка модели Gemstone-Models/Gemstone-256x27 на Hugging Face совпадает с карточкой Gemstone-Models/Gemstone-256x23, поэтому описание составлено по ней.

Gemstone-256x23 — языковая модель из набора Gemstone Suite, разработанного авторами проекта Gemstone. Это плотная авторегрессионная модель Gemma, обученная с помощью litgpt и AxoNN на ускорителях AMD MI250X. Модель содержит 35,5 млн параметров, использует контекст до 2048 токенов и распространяется в формате safetensors для библиотеки Transformers.

Модель обучалась предсказывать следующий токен на данных Dolma, взятых из непересекающихся обучающей и проверочной выборок; в README указано обучение на 350 млрд токенов с публикацией промежуточных чекпойнтов каждые 2 млрд токенов. Это не instruction-модель: она предназначена для продолжения текста и базовых экспериментов с генерацией, а не для надёжного следования инструкциям или диалога. Основной язык в карточке — английский. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычного текста по начальному фрагменту
  • изучение поведения небольшой модели Gemma
  • эксперименты с причинно-языковым моделированием на Dolma

Ограничения

Модель не обучалась следованию инструкциям и не предназначена для надёжного диалога. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Gemstone-256x23

Gemstone-256x23 is part of the Gemstone Suite of Models. A set of models trained with varying widths and depths.

Training

We train using litgpt and AxoNN using AMD MI250X GPUs on Frontier at Oak Ridge National Laboratory with a global batch size of 2048.

Data

Train and validation data is taken from non-overlapping subsets of dolma. As such it is not an instruction model. This model is trained for 350 billion tokens, we upload checkpoints every 2 billion tokens (477 steps).

Using Gemstone-256x23

The Gemstones are based on the gemma-2b architecture and use modeling_gemma.py to run using the transformers library.

Licence

This model is released under the apache-2.0 licence.

Contact

Please, feel free to contact us with any questions, or open a discussion thread.

Citation

@article{mcleish2024gemstones
    title={Gemstones: A Model Suite for Multi-Faceted Scaling Laws}, 
    author={Sean McLeish and John Kirchenbauer and David Yu Miller and Siddharth Singh and Abhinav Bhatele and Micah Goldblum and Ashwinee Panda and Tom Goldstein},
    journal={arXiv preprint arXiv:2502.},
    year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
d2ccc1e

0 моделей