/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
82,7 млн
Лицензия
Apache 2.0
Архитектура
gemma · dense
Библиотека
transformers
Опубликована
24 янв 2025

Gemstone-256x71

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель Gemstone на архитектуре Gemma для продолжения текста и экспериментов с генеративными моделями.

734скачиваний за 30 дней0лайковвеса обновлены6 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

Gemstone-256x71 — языковая модель семейства Gemstone Suite, разработанная авторами проекта Gemstone. Это плотная авторегрессионная модель архитектуры Gemma для генерации текста. Она содержит 82,7 млн параметров и принимает контекст длиной до 2048 токенов.

Модель обучена с нуля на подмножествах корпуса Dolma, не пересекающихся между обучением и валидацией. По карточке, обучение охватывает 350 млрд токенов; публиковались контрольные точки с интервалом в 2 млрд токенов. Это базовая, не инструкционная модель: она предназначена для продолжения текста и экспериментов с моделями разной ширины и глубины, а не для готового диалогового помощника. Для запуска авторы указывают Transformers и файл modeling_gemma.py.

Модель обучалась на английских данных. В репозитории используются веса Safetensors, лицензия — Apache-2.0. Карточка не приводит оценок качества или результатов тестирования; ответы в формате инструкций и диалоговое поведение не заявлены.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с шириной и глубиной языковых моделей
  • исследование обучения языковых моделей на корпусе Dolma

Ограничения

Модель не обучалась следовать инструкциям и не заявлена как диалоговый помощник. Карточка не содержит результатов оценки качества; 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-256x71

Gemstone-256x71 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-256x71

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
2a1661f

0 моделей