/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
2,9 млрд
Размер весов
6,1 ГБ
Архитектура
mistral · dense
Опубликована
27 ноя 2023

mallam-3B-4096

Генерация текстаТекст → текст3 профессии

MaLLaM 3B — предварительно обученная с нуля модель Mistral для генерации текста на малайском языке.

540скачиваний за 30 дней2лайкавеса обновлены7 окт 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

MaLLaM 3B — языковая модель компании Mesolitica, предварительно обученная с нуля на малайзийских текстах. Она использует плотную архитектуру Mistral и содержит 2,9 млрд параметров; обучение проводилось на 90 млрд токенов. Модель предназначена для генерации текста на малайском языке и сценариев, где требуется продолжать или создавать текст.

В README заявлена длина контекста 4096 токенов, тогда как метаданные каталога указывают нативный контекст 32768 токенов. Для обучения использовались вычислительные узлы с ускорителями A100. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текста на малайском языке
  • продолжение малайских текстов
  • создание черновиков на малайском языке

Ограничения

README указывает контекст 4096 токенов, а метаданные каталога — 32768; это расхождение требует проверки перед подачей длинных текстов. Лицензия и оценки качества в предоставленных данных отсутствуют.

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

MaLLaM 🌙 3B (Malaysia Large Language Model), Pretrain 3B 4096 context length on Malaysian text

Pretrain from scratch 3B parameters using Mistral architecture on 90B Malaysian text tokens.

README at https://github.com/mesolitica/malaya/tree/5.1/pretrained-model/mistral

WandB, https://wandb.ai/mesolitica/pretrain-mistral-3b?workspace=user-husein-mesolitica

WandB report, https://wandb.ai/mesolitica/pretrain-mistral-3b/reports/Pretrain-Larger-Malaysian-Mistral--Vmlldzo2MDkyOTgz

Technical report, https://github.com/mesolitica/malaya/wiki/MaLLaM-%F0%9F%8C%99-Malaysia-Large-Language-Model

how-to

from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig
import torch

TORCH_DTYPE = 'bfloat16'
nf4_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type='nf4',
    bnb_4bit_use_double_quant=True,
    bnb_4bit_compute_dtype=getattr(torch, TORCH_DTYPE)
)

tokenizer = AutoTokenizer.from_pretrained('mesolitica/mallam-3B-4096')
model = AutoModelForCausalLM.from_pretrained(
    'mesolitica/mallam-3B-4096',
    use_flash_attention_2 = True,
    quantization_config = nf4_config
)
prompt = '<s>nama saya'
inputs = tokenizer([prompt], return_tensors='pt', add_special_tokens=False).to('cuda')

generate_kwargs = dict(
    inputs,
    max_new_tokens=512,
    top_p=0.95,
    top_k=50,
    temperature=0.9,
    do_sample=True,
    num_beams=1,
    repetition_penalty=1.05,
)
r = model.generate(**generate_kwargs)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
7cbb6c3

0 моделей