/ Модель

Характеристики

Параметры
8,8 млрд
Лицензия
Apache 2.0
Архитектура
mamba · dense
Библиотека
openlm
Опубликована
8 апр 2024

mamba-7b-rw

Генерация текстаТекст → текст3 профессии

Экспериментальная авторегрессионная модель Mamba-7B от Toyota Research Institute для генерации английского текста и исследований альтернатив трансформерам.

187скачиваний за 30 дней58лайковвеса обновлены22 мая 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

Mamba-7B — авторегрессионная языковая модель с архитектурой Mamba, разработанная Toyota Research Institute как базовый экспериментальный чекпойнт для работы Linearizing Large Language Models. Модель обучена на 1,2 трлн токенов датасета RefinedWeb; в карточке указаны 7 млрд параметров, а метаданные репозитория сообщают 8,8 млрд. Используется токенизатор EleutherAI/gpt-neox-20b и библиотека OpenLM; веса доступны в форматах PyTorch и Safetensors.

Модель предназначена для генерации текста и оценки языковых моделей. Mamba — модель пространства состояний без механизма self-attention; длина последовательности в карточке указана как 2048 токенов. В метаданных отмечен английский язык. Карточка приводит оценки на языковых бенчмарках, но не описывает специализированное применение или диалоговую настройку. Лицензия — Apache 2.0.

Сценарии применения

  • генерация продолжений английского текста
  • оценка языковой модели на текстовых бенчмарках
  • исследование архитектур пространства состояний
  • сравнение Mamba с трансформерными языковыми моделями

Ограничения

Указанная в карточке длина последовательности — 2048 токенов; модель обучена на RefinedWeb и не описана как диалогово настроенная или специализированная для других языков. В карточке параметры указаны как 7 млрд, тогда как метаданные сообщают 8,8 млрд.

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-7B

This is a 7B parameter model with the Mamba architecture, trained on multiple epochs (1.2T tokens) of the RefinedWeb dataset. Mamba is a state-space model that does not use self-attention unlike the standard transformer architecture. It has shown strong performance on various natural language benchmarks. To date, the largest publicly released pure-Mamba pretrain is Mamba-2.8B. We follow their training recipe and release our version of Mamba-7B.

This model was trained as a baseline for our paper Linearizing Large Language Models.

Model Details

ParametersHidden SizeLayersVocab SizeSequence Length
7B409664504322048

Training Details

  • Mamba-7B was trained using AWS SageMaker on 128 H100 80GB GPUs.
  • Training began in March 2024 and lasted three weeks. | Hyperparameter | Value | |--------------------|------------| | Precision | bfloat16 | | Optimizer | AdamW | | Learning rate | 3e-4 | | LR cooldown end | 1e-5 | | Warmup steps | 2000 | | Z-loss | 1e-4 | | Batch size | 2M |

Usage

This model was trained using OpenLM. The weights have been converted to be compatible with HuggingFace.

from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("tri-ml/mamba-7b-rw")
model = AutoModelForCausalLM.from_pretrained("tri-ml/mamba-7b-rw")

inputs = tokenizer(["The Toyota Supra"], return_tensors="pt")
gen_kwargs = {"max_new_tokens": 50, "top_p": 0.8, "temperature": 0.8, "do_sample": True, "repetition_penalty": 1.1}
output = model.generate(inputs['input_ids'], **gen_kwargs)
output = tokenizer.decode(output[0].tolist(), skip_special_tokens=True)
print(output)
# The Toyota Supra is a sports car that has been in production since 1978. The car was discontinued in 2002, but it has recently been revived and will be available again in 2020. The Supra has always been known for its powerful engines and agile handling. 

Performance Evaluation

Our evaluations were done using the Eleuther LM Eval Harness repo.

Below we report the performance of Mamba 7B compared to other base models.

HellaSwagPIQAWinograndeARC-EARC-CMMLU (5-shot)
Mamba-1.4B59.073.961.465.532.925.2
Mamba-2.8B71.078.165.968.241.726.2
RWKV5-1.7T-7B73.078.672.975.845.634.9
Llama2-7B76.079.169.176.346.345.9
Gemma-7B80.781.973.781.153.262.9
Mistral-7B81.082.174.080.953.862.4
Mamba-7B77.981.071.877.546.733.3

How to Cite

If you use this model, please cite our paper on Linearizing Large Language Models.

@article{Mercat2024Linearizing,
  title={Linearizing Large Language Models},
  author={Jean Mercat and Igor Vasiljevic and Sedrick Keh and Kushal Arora and Achal Dave and Adrien Gaidon and Thomas Kollar},
  journal={arXiv preprint arXiv:2405.06640},
  year={2024}
}

Citations

Mamba

@article{mamba,
  title={Mamba: Linear-Time Sequence Modeling with Selective State Spaces},
  author={Gu, Albert and Dao, Tri},
  journal={arXiv preprint arXiv:2312.00752},
  year={2023}
}

OpenLM

@misc{open_lm,
  author = {Gururangan, Suchin and Wortsman, Mitchell and Gadre, Samir Yitzhak and Dave, Achal and Kilian, Maciej and Shi, Weijia and Mercat, Jean and Smyrnis, Georgios and Ilharco, Gabriel and Jordan, Matt and Heckel, Reinhard and Dimakis, Alex and Farhadi, Ali and Shankar, Vaishaal and Schmidt, Ludwig},
  title = {{open_lm}:  a minimal but performative language modeling (LM) repository},
  year = {2023},
  note = {GitHub repository},
  url = {https://github.com/mlfoundations/open_lm/}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · openlm

Можно запустить

Подбираем GPU…

Класс архитектуры
MambaForCausalLM
Ревизия весов
96c3f4a

0 моделей