/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
5,7 млрд
Размер весов
5,4 ГБ
Лицензия
Apache 2.0
Архитектура
zamba2 · dense
Опубликована
9 июл 2024

Zamba2-2.7B

Генерация текстаТекст → текст3 профессии

Предобученная гибридная модель Zyphra для продолжения текста и кода с контекстом до 4096 токенов.

8 646скачиваний за 30 дней81лайквеса обновлены14 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

Zamba2-2.7B — предобученная языковая модель Zyphra для генерации текста и кода. Она использует гибридную плотную архитектуру: основу из блоков Mamba2 с чередующимися общими блоками внимания Transformer. Два общих блока внимания чередуются по схеме ABAB, а LoRA-проекции помогают разделяемым MLP специализироваться на разных позициях сети. В README указано 2,7B в названии модели, тогда как метаданные каталога приводят 5,7B параметров.

Модель обучена на 3 трлн токенов текстовых и программных данных из открытых веб-датасетов, затем дополнительно обучена на смеси из 100 млрд высококачественных токенов. Она использует токенизатор Mistral v0.1 и поддерживает контекст до 4096 токенов. Подходит для продолжения текста и кода, но не была настроена для следования инструкциям или диалогов, поэтому качество в чат-сценариях не ожидается.

Это базовая модель без встроенной модерации; её ответы могут содержать токсичный или иной вредоносный текст. README предупреждает, что реализация для Hugging Face временная и может быть несовместима с некоторыми инструментами и фреймворками. Для эффективного запуска рекомендуются исходные версии Transformers и ядра Mamba2. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение и дополнение текстовых фрагментов
  • генерация исходного кода по началу фрагмента
  • черновое автодополнение текста
  • эксперименты с гибридной архитектурой Mamba2 и Transformer

Ограничения

Модель не дообучена для инструкций и чата, не имеет встроенной модерации и может выдавать токсичный или вредоносный текст. Реализация Hugging Face временная; без оптимизированных ядер Mamba2 инференс заметно медленнее и требует больше памяти.

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

Model Card for Zamba2-2.7B

Zamba2-2.7B is a hybrid model composed of state-space and transformer blocks. It broadly follows the Zamba architecture which consists of a Mamba backbone alternating with shared transformer blocks (see diagram in Model Details). Zamba2-2.7B possesses three major improvements over Zamba1:

1.) Mamba1 blocks have been replaced with Mamba2 blocks.

2.) Instead of a single shared attention block, we utilize two shared attention blocks which are interleaved in an ABAB pattern throughout the network.

3.) We apply a LoRA projector to each shared MLP block, which allows the network to specialize the MLPs at each invocation of the shared layer across depth. LoRA enables us to add depth-specialization for only a minimal increase in total parameter count.

Zamba2-2.7B uses the Mistral v0.1 tokenizer and was pre-trained on 3T tokens of text and code data sourced from open web-datasets, including Zyda. Subsequently, in a second phase, Zamba2-2.7B was annealed on a mixture of 100B high-quality tokens.

Note: this is a temporary HuggingFace implementation of Zamba2-2.7B. It may not yet be fully compatible with all frameworks and tools intended to interface with HuggingFace models.

A standalone Pytorch implementation of Zamba2-2.7B may be found here.

Quick start

Prerequisites

To use Zamba2-2.7B, install transformers from source:

  1. git clone https://github.com/huggingface/transformers.git
  2. cd transformers && pip install .

To install dependencies necessary to run Mamba2 kernels, install mamba-ssm from source (due to compatibility issues with PyTorch) as well as causal-conv1d:

  1. git clone https://github.com/state-spaces/mamba.git
  2. cd mamba && git checkout v2.1.0 && pip install .
  3. pip install causal-conv1d

You can run the model without using the optimized Mamba2 kernels, but it is not recommended as it will result in significantly higher latency and memory usage.

Inference

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("Zyphra/Zamba2-2.7B")
model = AutoModelForCausalLM.from_pretrained("Zyphra/Zamba2-2.7B", device_map="cuda", torch_dtype=torch.bfloat16)

input_text = "What factors contributed to the fall of the Roman Empire?"
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")

outputs = model.generate(**input_ids, max_new_tokens=100)
print(tokenizer.decode(outputs[0]))

Model Details

Zamba2-2.7B utilizes and extends our original Zamba hybrid SSM-attention architecture. The core Zamba architecture consists of a backbone of Mamba layers interleaved with one or more shared attention layers (one shared attention in Zamba1, two in Zamba2). This attention has shared weights to minimize the parameter cost of the model. We find that concatenating the original model embeddings to the input to this attention block improves performance, likely due to better maintenance of information across depth. The Zamba2 architecture also applies LoRA projection matrices to the shared MLP to gain some additional expressivity in each block and allow each shared block to specialize slightly to its own unique position while keeping the additional parameter overhead small.

Performance

Zamba2-2.7B achieves leading and state-of-the-art performance among models of <3B parameters and is competitive with some models of significantly greater size. Moreover, due to its unique hybrid SSM architecture, Zamba2-2.7B achieves extremely low inference latency and rapid generation with a significantly smaller memory footprint than comparable transformer based models.

Zamba2-2.7B's high performance and small inference compute and memory footprint renders it an ideal generalist model for on-device applications.

Time to First Token (TTFT)Output Generation

Notice

Zamba2-2.7B is a pretrained base model and therefore does not have any moderation mechanism and may output toxic or otherwise harmful language. In addition, one should not expect good instruct or chat performance, as this model was not fine-tuned for instruction following or chat.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Zamba2ForCausalLM
Ревизия весов
31afeea

0 моделей