/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
915 млн
Лицензия
Apache 2.0
Архитектура
gemma · dense
Библиотека
transformers
Опубликована
5 фев 2025

Gemstone-2560x8_cooldown

Генерация текстаТекст → текст3 профессии

Авторегрессионная модель Gemma для генерации и продолжения английского текста, обученная на данных Dolma без настройки на выполнение инструкций.

210скачиваний за 30 дней0лайковвеса обновлены26 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-2560x8_cooldown — языковая модель из серии Gemstone Suite, обученной исследовательской группой на оборудовании Frontier в Национальной лаборатории Оук-Ридж с использованием litgpt и AxoNN. Это плотная авторегрессионная модель семейства Gemma с примерно 915,2 млн параметров и контекстом 2048 токенов; она предназначена для генерации текста и продолжения текстовых последовательностей, а не для выполнения инструкций.

При обучении использовались непересекающиеся подмножества корпуса Dolma. Вариант cooldown получил линейное снижение скорости обучения до нуля на отрезке от 100 до 110 млрд обучающих токенов. Модель принимает и генерирует текст, а метаданные указывают английский язык. Для запуска используется Transformers и файл modeling_gemma.py. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • продолжение английских текстовых фрагментов
  • генерация связного английского текста
  • исследование влияния снижения скорости обучения на языковые модели
  • эксперименты с моделями семейства Gemma

Ограничения

Модель не обучалась следовать инструкциям, поэтому может плохо справляться с запросами в формате ассистента. 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-2560x8_cooldown

Gemstone-2560x8_cooldown is part of the Gemstone Suite of Models. A set of models trained with varying widths and depths. This model has had its learning rate linearly decreased to 0 over 10% of the current training tokens, over token counts from 10 to 100 billion. Revisions are named "step_{x}_cooldown_{y}" where x is the step count when we began the cooldown, and y is the current step count. The main branch is the last cooldown for this model which is a cooldown from 100 billion tokens to 110 billion tokens.

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.

Using Gemstone-2560x8_cooldown

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
fb8dded

0 моделей