This is a tiny, dummy version of Jamba, used for debugging and experimentation over the Jamba architecture.
It has 128M parameters (instead of 52B), and is initialized with random weights and did not undergo any training.
Характеристики
- Контекст
- 262 144 токена
- Параметры
- 52,8 млн
- Размер весов
- 255 МБ
- Лицензия
- Apache 2.0
- Архитектура
- jamba · MoE
- Опубликована
- 17 апр 2024
Ссылки
Jamba-tiny-random
ai21labs/Jamba-tiny-random — демонстрационная миниатюрная версия архитектуры Jamba, разработанная AI21 Labs.
4 064скачиваний за 30 дней13лайковвеса обновлены24 апр 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Модель предназначена для отладки, экспериментов и проверки программных решений, работающих с архитектурой Jamba, а не для решения прикладных задач генерации текста.
Модель содержит 128 миллионов параметров вместо 52 миллиардов в исходной Jamba и использует случайно инициализированные веса. Она не проходила обучение, поэтому не обладает практически полезными языковыми знаниями и не предназначена для качественного вывода на естественных языках. Данные о поддерживаемых модальностях, языках и размере контекста в README не указаны.
Модель распространяется по лицензии Apache 2.0. Ее основное преимущество — малый размер, удобный для локальной отладки и экспериментов; ключевое ограничение — отсутствие обучения и, как следствие, непригодность для продуктивного использования.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- JambaForCausalLM
- Ревизия весов
- 449ffa6