/ Модель

Характеристики

Параметры
237 млн
Лицензия
Apache 2.0
Архитектура
mamba · dense
Опубликована
23 дек 2023

Mamba-130M

Генерация текстаТекст → текст3 профессии

Англоязычная авторегрессионная модель Mamba с 236,8 млн параметров для генерации текста.

183скачиваний за 30 дней12лайковвеса обновлены8 мар 2024

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

Q-bert/Mamba-130M — языковая модель авторегрессионной генерации текста на архитектуре Mamba, опубликованная Q-bert. Репозиторий предоставляет интеграцию с Hugging Face Transformers через mamba-hf; в метаданных указано 236,8 млн параметров и формат PyTorch.

Модель предназначена для генерации продолжения текста и может использоваться как основа для экспериментов и обучения. README показывает загрузку через AutoModelForCausalLM и AutoTokenizer с параметром trust_remote_code=True и отмечает, что при обучении fp16 должен быть выключен.

Модель рассчитана на английский язык. Репозиторий лицензирован по Apache-2.0. Для загрузки с trust_remote_code=True следует учитывать, что используется пользовательский код репозитория; README не приводит оценок качества или подробностей о контекстном окне.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с архитектурой Mamba
  • обучение языковой модели на собственных данных

Ограничения

README не содержит сведений об оценках качества и длине контекста. Для загрузки требуется trust_remote_code=True; при обучении README рекомендует отключить fp16.

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

Mamba-130M

Mamba Models with hf_integration.

For modeling codes: mamba-hf

Usage:

from transformers import AutoModelForCausalLM , AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('Q-bert/Mamba-130M', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained('Q-bert/Mamba-130M')

text = "Hi"

input_ids = tokenizer.encode(text, return_tensors="pt")

output = model.generate(input_ids, max_length=20, num_beams=5, no_repeat_ngram_size=2)

generated_text = tokenizer.decode(output[0], skip_special_tokens=True)

print(generated_text)

Hi, I'm looking for a new job. I've been working at a company for about a year now.

For Training:

from transformers import Trainer ,TrainingArguments
import torch
import os


class MambaTrainer(Trainer):
    def compute_loss(self, model, inputs, return_outputs=False):
        input_ids = inputs.pop("input_ids")
        lm_logits = model(input_ids)[0]

        labels = input_ids.to(lm_logits.device)
        shift_logits = lm_logits[:, :-1, :].contiguous()
        labels = labels[:, 1:].contiguous()

        loss_fct = torch.nn.CrossEntropyLoss()
        lm_loss = loss_fct(shift_logits.view(-1, shift_logits.size(-1)), labels.view(-1))

        return lm_loss

You must use this class for training. And fp16 must be False.

Credits:

https://huggingface.co/state-spaces

Special thanks to Albert Gu and Tri Dao for their articles. (https://arxiv.org/abs/2312.00752)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MambaForCausalLM
Ревизия весов
147404e

0 моделей