/ Модель

Характеристики

Параметры
6 млрд
Лицензия
Apache 2.0
Архитектура
mamba · dense
Опубликована
28 дек 2023

Mamba-3B-slimpj

Генерация текстаТекст → текст3 профессии

Плотная языковая модель Mamba на 6 млрд параметров для авторегрессионной генерации текста на английском языке.

60скачиваний за 30 дней2лайкавеса 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-3B-slimpj — языковая модель семейства Mamba от Q-bert, представленная как интеграция Mamba с Hugging Face. Она предназначена для авторегрессионной генерации текста и может загружаться через Transformers с классом AutoModelForCausalLM; карточка также приводит пример использования токенизатора и отмечает применение специальной интеграции mamba-hf при обучении.

Модель построена на плотной архитектуре MambaForCausalLM и содержит 6 млрд параметров. В репозитории доступны веса PyTorch, заявлена поддержка английского языка, лицензия — Apache-2.0. Карточка не приводит длину контекста или результаты оценки качества. Для загрузки с указанным способом требуется trust_remote_code=True.

Сценарии применения

  • генерация продолжения текста на английском
  • создание черновиков и коротких текстовых фрагментов
  • эксперименты с архитектурой Mamba через Transformers

Ограничения

Карточка не содержит оценок качества и длины контекста. Для загрузки указан trust_remote_code=True; при обучении README отдельно рекомендует использовать специальный класс и 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-3B-slimpj

Mamba Models with hf_integration.

For modeling codes: mamba-hf

Usage:

from transformers import AutoModelForCausalLM , AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('Q-bert/Mamba-3B-slimpj', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained('Q-bert/Mamba-3B-slimpj')

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
38b408d

0 моделей