/ Модель

Характеристики

Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
mamba · dense
Базовая модель
mamba-130m-hf
Библиотека
transformers
Опубликована
30 апр 2025

parc-mamba-seed4

Генерация текстаТекст → текст3 профессии

Исследовательская англоязычная модель Mamba для генерации текста и изучения динамики обучения языковых моделей.

507скачиваний за 30 дней0лайковвеса обновлены27 сен 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

Parc-Mamba (Seed 4) — авторегрессионная языковая модель архитектуры Mamba, разработанная James Michaelov как часть набора Parc. Модели этого набора обучались параллельно на одинаковых данных и с одинаковым числом шагов, чтобы изучать динамику обучения и сравнивать архитектуры и случайные инициализации. Эта версия дообучена на базе state-spaces/mamba-130m-hf и содержит около 151,9 млн параметров.

Модель предназначена для генерации текста на английском языке и исследовательских экспериментов с языковыми моделями, включая анализ обучения и оценку на языковых бенчмарках. Она обучена на 2 млрд токенов OpenWebText; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache 2.0.

Авторы предупреждают, что модель в целом не подходит для развёртывания: обучающие данные OpenWebText недостаточно документированы, поэтому модель может воспроизводить вредный или оскорбительный текст, а её ответы могут быть неточными или неправдивыми. Модель не проходила инструкционную настройку и не предназначена для надёжных ответов пользователям.

Сценарии применения

  • генерация английского текста в исследовательских экспериментах
  • сравнение поведения архитектуры Mamba с другими языковыми моделями
  • анализ влияния случайного seed на обучение
  • оценка языковой модели на бенчмарках ARC, BLiMP, LAMBADA, SciQ и SWAG

Ограничения

Модель в целом не предназначена для развёртывания и не проходила инструкционную настройку; ответы могут быть неточными или неправдивыми, а генерация — содержать вредный или оскорбительный текст. Обучающие данные OpenWebText недостаточно документированы.

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

Parc-Mamba (Seed 4)

The Parc (Parallel Architecture) models are a set of autoregressive language models (of the Pythia, Mamba, and RWKV architectures) of roughly the same size trained in parallel on the same data (2B tokens of OpenWebText) for the same number of steps, with 6 runs of training each (based on a different random seed). The Parc models were designed to allow for more direct and fine-grained analysis of training dynamics across and within architectures.

Model Details

Model Description

  • Developed by: James Michaelov
  • Model type: Mamba
  • Language(s) (NLP): English
  • License: Apache 2.0

Model Sources

Base Model

Model Use

The Parc models are intended for research use and generally not suitable for deployment. They are pretrained on a subset of OpenWebText, which is not well-documented, and thus it possible that they are trained on (and may generate) harmful, offensive, or otherwise inappropriate text, especially as they are not fine-tuned in any way. For the same reason, there is no guarantee that they will generate accurate or truthful text. Rather than fine-tuning our models, we instead recommend fine-tuning the original Pythia, Mamba, RWKV models, as they are trained on many times more data, and thus are likely to have substantially better performance.

How to Get Started with the Model

Example code for generation:

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
  "jmichaelov/parc-mamba-seed4",
  revision="checkpoint-4000"
)

tokenizer = AutoTokenizer.from_pretrained(
  "jmichaelov/parc-mamba-seed4",
  revision="checkpoint-4000"
)

inputs = tokenizer("The Parc language models", return_tensors="pt")
tokens = model.generate(**inputs)
tokenizer.decode(tokens[0])

Training Details

Training Data

  • OpenWebText: An open replication of the WebText corpus (on which GPT-2 was trained).

Training Procedure

  • Context Length: 1024 tokens
  • Effective batch size: 512 (batch size * gradient accumulation)
  • Total training steps: 4000
  • Total Tokens = 4000 * 512 * 1024 = 2,097,152,000

Training Hyperparameters

  • Warmup Steps: 100
  • Weight Decay: 0.1
  • Learning Rate: 6e-4
  • Learning Rate Scheduler: Cosine
  • Precision: float32

Evaluation

Testing Data

All evaluations were carried out using the Language Model Evaluation Harness.

Metrics

  • Accuracy: The standard metric for the benchmarks used.

Results

Results

Environmental Impact

  • Hardware Type: GPUs: NVIDIA A100 80GB; CPUs: AMD EPYC (7713, 7643, or 7513)
  • Hours used: ~42hrs (on average)
  • Infrastructure Details: Massachusetts Green High-Performance Computing Center
  • Carbon Emitted: ~0.8kg (upper bound based on the Machine Learning Impact calculator from Lacoste et al. (2019) and the carbon efficiency of 0.0231kg/KWh reported for the data center by Sharma et al., (2017)).

Citation

If you use any of the Parc models, please cite our forthcoming NeurIPS paper where we introduce them:

BibTeX:

@inproceedings{michaelov_language_2025,
    title = {Language {Model} {Behavioral} {Phases} are {Consistent} {Across} {Scale} and {Architecture}},
    author = {Michaelov, James A. and Levy, Roger P. and Bergen, Benjamin K.},
    booktitle = {Advances in {Neural} {Information} {Processing} {Systems}},
    volume = {38},
    year = {2025}
}

APA:

Michaelov, J. A., Levy, R. P., & Bergen, B. K. (2025). Language Model Behavioral Phases are Consistent Across Scale and Architecture. Advances in Neural Information Processing Systems, 38.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MambaForCausalLM
Ревизия весов
2184cb2

0 моделей