/ Модель

Характеристики

Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
mamba · dense
Опубликована
23 дек 2023

Mamba-790M

Генерация текстаТекст → текст3 профессии

Причинная языковая модель Mamba на 1,7 млрд параметров для генерации и продолжения англоязычного текста.

56скачиваний 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-790M — языковая модель для генерации текста, опубликованная пользователем Q-bert и интегрированная с Hugging Face Transformers. Она использует архитектуру Mamba с причинной языковой моделью MambaForCausalLM и весами в формате PyTorch. В карточке указано 1,7 млрд параметров; README называет модель Mamba-790M, поэтому размер в названии и метаданные расходятся.

Модель предназначена для продолжения текста и обучения через Transformers. README показывает загрузку модели и токенизатора с включённым trust_remote_code и содержит рекомендацию не использовать fp16 при обучении. В метаданных указан английский язык и лицензия Apache-2.0. Длина контекста и подробные оценки качества не приведены.

Сценарии применения

  • генерация продолжения англоязычного текста
  • подготовка черновиков на английском языке
  • эксперименты с архитектурой Mamba в Transformers

Ограничения

README требует загрузки с trust_remote_code и рекомендует отключить fp16 при обучении. Размер 790M в названии расходится с указанными в метаданных 1,7 млрд параметров; длина контекста и оценки качества не сообщаются.

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-790M

Mamba Models with hf_integration.

For modeling codes: mamba-hf

Usage:

from transformers import AutoModelForCausalLM , AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('Q-bert/Mamba-790M', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained('Q-bert/Mamba-790M')

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
025f3c0

0 моделей