/ Модель

Характеристики

Параметры
8,9 млрд
Размер весов
14,6 ГБ
Архитектура
falcon_mamba · dense
Базовая модель
Falcon3-Mamba-7B-Instruct
Библиотека
transformers
Опубликована
8 мар 2025

Falcon3-Mamba-R1-v0

Генерация текстаТекст → текст10 профессий

Дообученная на Falcon3-Mamba-7B-Instruct модель Mamba для математических и логических рассуждений, STEM-ответов и диалоговой генерации текста.

93скачиваний за 30 дней12лайковвеса обновлены22 мар 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

Falcon3-Mamba-R1-v0 — дообученная Ханзлой Джавайдом модель на основе tiiuae/Falcon3-Mamba-7B-Instruct для рассуждений и генерации текста. Это причинный декодер на архитектуре Mamba с 64 блоками и размером скрытого слоя 4096; в метаданных указано 8,9 млрд параметров. Архитектура Mamba масштабируется линейно с ростом числа токенов. Модель предназначена для математических и логических задач, структурированного решения проблем, ответов на STEM-вопросы и общего диалога.

Модель ориентирована прежде всего на английский язык. В README приведены результаты MMLU 72,1 и GSM8K 89,5 в режиме 5-shot, однако это результаты авторской оценки. Это ранний чекпойнт конвейера дообучения. Производительность может снижаться при генерации длиннее 64 тысяч токенов; ответы следует проверять, особенно в критически важных сценариях. Лицензия в предоставленных данных не указана.

Сценарии применения

  • решение математических задач и примеров
  • ответы на вопросы по STEM-дисциплинам
  • пошаговое логическое рассуждение
  • структурированное решение задач
  • создание англоязычного чат-бота или виртуального помощника
  • генерация текста для ассистента по программированию

Ограничения

Модель преимущественно обучена на английских данных, поэтому качество многоязычных ответов может быть ниже; генерация свыше 64 тысяч токенов может ухудшаться. Автор рекомендует проверять ответы, особенно для критически важных задач.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Falcon3-Mamba-R1-v0

Model Details

Model Description:

This model is a fine-tuned version of Falcon3-Mamba-7B-Instruct, optimized for logical reasoning and structured problem-solving before generating responses.

It leverages the Mamba architecture, which scales linearly with an increased number of tokens, making it an efficient and fast reasoning model while maintaining high response quality.

This fine-tuned version comes from an earlier checkpoint of the fine tuning pipeline.

  • Developed by: Hanzla Javaid
  • Base Model: tiiuae/Falcon3-Mamba-7B-Instruct
  • Model Type: Mamba-based causal decoder
  • Model Release Date: March 2025

Intended Uses

Direct Use:

This model is designed for:

  • Reasoning-heavy tasks (math, logic, and structured problem-solving)
  • STEM-based question-answering
  • General-purpose text generation

Downstream Use:

  • Fine-tuning for domain-specific applications such as finance, law, medicine, and research.
  • Integration into chatbots and virtual assistants that require advanced reasoning skills.
  • Enhancement of automated coding assistants with structured logic building.

Out-of-Scope Use:

  • Misinformation or deceptive applications
  • Automated decision-making in high-risk fields (e.g., medical diagnosis without human oversight)
  • Bias-sensitive applications where fairness is critical but not explicitly controlled

Bias and Limitations

Known Biases:

  • The model prioritizes English language data, so performance on multilingual tasks may be weaker.
  • Fine-tuning may introduce or amplify biases present in the training data, especially in areas like ethics, politics, and cultural perspectives.

Technical Limitations:

  • Performance may degrade on long-form generation beyond 64K tokens.

Recommendations:

  • Users should verify outputs for accuracy, especially in critical applications.
  • Regular bias evaluation should be conducted when deploying in production environments.

Getting Started

To use this model, you can load it with transformers:

repo_name = "hanzla/Falcon3-Mamba-R1-v0"
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained(repo_name)

model = AutoModelForCausalLM.from_pretrained(
    repo_name,
    device_map="auto",
    torch_dtype=torch.float16,
)

def generate_text(prompt,generation_model,generation_tokenizer,max_tokens=1024):
    messages = [
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": prompt},
    ]
    input_text = generation_tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
    print(input_text)
    input_ids = generation_tokenizer(input_text, return_tensors="pt").input_ids.to("auto")
    outputs = generation_model.generate(input_ids, max_new_tokens=max_tokens)
    generated_tokens = outputs[0][len(input_ids[0]):] 
    return tokenizer.decode(generated_tokens, skip_special_tokens=True)
    

Training Details

Training Procedure:

  • Pretrained Base Model: Falcon3-Mamba-7B-Instruct
  • Fine-tuning Data: A subset of STEM problems from open-thoughts/OpenThoughts-114k
  • Training Strategy: GRPO
  • Training Hyperparameters:
    • Batch Size: 4
    • Epochs: 3
    • Precision: Mixed (fp16 / bf16)
    • Hardware: 2xH100 GPUs

Evaluation

Testing Data and Metrics:

The fine-tuned model's performance was evaluated on a variety of benchmarks to assess its reasoning abilities and overall capabilities. The table below presents a comparison between the fine-tuned model and the base model:

CategoryBenchmarkFalcon3-Mamba-R1-v0Base Falcon3-Mamba-7B-Instruct
GeneralMMLU (5-shot)72.165.3
MathGSM8K (5-shot)89.565.2

Technical Specifications

Model Architecture:

  • Mamba Blocks: 64
  • Hidden Size: 4096

Software Requirements:

  • transformers >= 4.38
  • torch >= 2.1
  • accelerate >= 0.25
  • mamba-ssm
  • causal-conv1d>=1.4.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
FalconMambaForCausalLM
Ревизия весов
fa96032

0 моделей