/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,5 млрд
Размер весов
10 ГБ
Лицензия
MIT
Архитектура
gemma · dense
Опубликована
7 мая 2024

gemma-2B-10M

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Gemma на 2,5 млрд параметров с рекуррентным локальным вниманием, созданный для генерации текста с заявленной поддержкой контекста до 10 млн токенов.

121скачиваний за 30 дней228лайковвеса обновлены9 мая 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

Gemma 2B - 10M Context — экспериментальный чекпойнт на базе Gemma от Mustafa Aljadery, Siddharth Sharma и Aksh Garg. Авторы описывают рекуррентное применение блоков локального внимания, вдохновлённое InfiniAttention и Transformer-XL, для работы с контекстом до 10 млн токенов. В README отмечено, что это очень ранний чекпойнт после 200 шагов обучения, и обучение планировалось продолжить.

Модель предназначена для генерации текста с длинным контекстом. В метаданных указаны архитектура GemmaForCausalLM, 2,5 млрд параметров, контекст 8192 токена и формат Safetensors; лицензия — MIT. Заявленная авторами цель контекста в 10 млн токенов расходится с указанным в метаданных native context в 8192 токена, поэтому поддержку такого длинного контекста следует считать заявленной, но не подтверждённой характеристикой раннего чекпойнта.

Сценарии применения

  • эксперименты с генерацией текста на длинном контексте
  • исследование рекуррентного локального внимания
  • прототипирование обработки очень длинных последовательностей

Ограничения

README характеризует модель как очень ранний чекпойнт после 200 шагов обучения. Авторы заявляют контекст до 10 млн токенов, тогда как метаданные указывают native context 8192 токена; достижимость заявленной длины для опубликованного чекпойнта не подтверждена.

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

Gemma 2B - 10M Context

Gemma 2B with recurrent local attention with context length of up to 10M. Our implemenation uses <32GB of memory!

Graphic of our implementation context

Features:

  • 10M sequence length on Gemma 2B.
  • Runs on less than 32GB of memory.
  • Native inference optimized for cuda.
  • Recurrent local attention for O(N) memory.

Quick Start

Note: This is a very early checkpoint of the model. Only 200 steps. We plan on training for a lot more tokens!

Install the model from huggingface - Huggingface Model.

python main.py

Change the main.py inference code to the specific prompt you desire.

model_path = "./models/gemma-2b-10m"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = GemmaForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16
)

prompt_text = "Summarize this harry potter book..."

with torch.no_grad():
    generated_text = generate(
        model, tokenizer, prompt_text, max_length=512, temperature=0.8
    )

    print(generated_text)

How does this work?

The largest bottleneck (in terms of memory) for LLMs is the KV cache. It grows quadratically in vanilla multi-head attention, thus limiting the size of your sequence length.

Our approach splits the attention in local attention blocks as outlined by InfiniAttention. We take those local attention blocks and apply recurrance to the local attention blocks for the final result of 10M context global atention.

A lot of the inspiration for our ideas comes from the Transformer-XL paper.

Credits

This was built by:

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
3861cc6

0 моделей