/ Модель

Характеристики

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

Gemstone-1024x28_lr_ablation

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная Gemma-модель для продолжения текста и изучения влияния скорости обучения на языковые модели.

172скачиваний за 30 дней0лайковвеса обновлены10 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-1024x28_lr_ablation — экспериментальный языковой чекпойнт из набора Gemstone Suite, обученный исследователями как абляция с уменьшенной вдвое скоростью обучения относительно основной серии. Модель основана на архитектуре Gemma и имеет около 491,9 млн параметров; для работы используется библиотека Transformers. Она обучалась на 100 млрд токенов на подмножестве корпуса Dolma и не является инструкционной или чат-моделью.

Модель предназначена для продолжения текста и исследований влияния ширины, глубины и скорости обучения на языковые модели. Контекст составляет 2048 токенов, формат весов — Safetensors. В метаданных указан английский язык, лицензия Apache-2.0. Результаты могут быть ограничены экспериментальным характером чекпойнта и отсутствием обучения следованию инструкциям.

Сценарии применения

  • генерация продолжения английского текста
  • сравнение моделей при абляционных экспериментах
  • исследование влияния скорости обучения на языковые модели

Ограничения

Модель не обучалась следованию инструкциям и не предназначена для использования как чат-ассистент. Чекпойнт обучен на 100 млрд токенов, тогда как основная серия — на 350 млрд, поэтому результаты могут не соответствовать основной серии Gemstone.

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-1024x28_lr_ablation

Gemstone-1024x28_lr_ablation is part of the Gemstone Suite of Models. A set of models trained with varying widths and depths. This particular version, denoted by the _lr_ablation postfix, corresponds to an ablation detailed in the paper where we train the same suite of models but with a learning rate that is half of the original.

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 100 billion tokens (in contrast to the main suite, which is trained to 350 billion tokens), we upload checkpoints every 2 billion tokens (477 steps).

Using Gemstone-1024x28_lr_ablation

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
f0ef0b4

0 моделей