/ Модель

Характеристики

Контекст
16 384 токена
Параметры
249 млн
Лицензия
Apache 2.0
Архитектура
jamba · MoE
Опубликована
6 мая 2024

jamba-900M-v0.13-KIx2

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель Jamba с архитектурой MoE для генерации текста и языкового моделирования.

69скачиваний за 30 дней4лайкавеса обновлены29 дек 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

pszemraj/jamba-900M-v0.13-KIx2 — экспериментальная предварительно обученная языковая модель автора pszemraj на архитектуре Jamba с небольшим MoE. В модели 249 млн параметров, 12 слоёв и 8 экспертов; заявленная длина контекста — 16 384 токена. Автор сообщает о примерно 20 млрд токенов обучения и использовании токенизатора Claude 3, представленного в карточке как GPT-2 tokenizer.

Модель предназначена для генерации текста и языкового моделирования на английском языке. В README приведены результаты на отдельных оценочных задачах, включая WinoGrande и PIQA; они не гарантируют качество на других сценариях. Доступны веса в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с компактными моделями MoE
  • оценка языковой модели на задачах общего рассуждения
  • прототипирование англоязычных текстовых приложений

Ограничения

Это версия v0.13 из серии предварительного обучения, поэтому качество может быть ограниченным; приведённые оценки охватывают лишь отдельные тесты. README сообщает примерно о 20 млрд токенов обучения, тогда как число входных токенов в таблице оценки составляет около 1,98 млрд.

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

jamba-900M-v0.13-KIx2

The API widget is off as it isn't supported by hf yet - try the Colab

This is a pretraining experiment on the jamba arch as a "smol MoE".

Details:

  • pretrained at context length 16384
  • seen approx 20b tokens
  • uses Claude3 tokenizer (as hf GPT2 tokenizer)
  • hidden size 1024, 12 layers, 8 experts

achieves the following results on the evaluation set (most recent dataset):

  • Loss: 3.0366
  • Accuracy: 0.4514
  • Num Input Tokens Seen: 1975517184

if I pretrain it further, other versions will be in new repos with incremented version (this is v0.13)

Quick eval

Quick eval for: pszemraj/jamba-H1024_L12-v0.13-KIx2

hf (pretrained=pszemraj/jamba-H1024_L12-v0.13-KIx2,trust_remote_code=True,dtype=float), gen_kwargs: (None), limit: 0.9999, num_fewshot: None, batch_size: 8

TasksVersionFiltern-shotMetricValueStderr
winogrande1none0acc0.5067±0.0141
piqa1none0acc0.5912±0.0138
none0acc_norm0.5951±0.0138
openbookqa1none0acc0.1800±0.0172
none0acc_norm0.2920±0.0204
lambada_openai1none0perplexity103.1241±8.5843
none0acc0.2502±0.0122
boolq2none0acc0.6196±0.0136
arc_easy1none0acc0.3836±0.0137
none0acc_norm0.3694±0.0136

example outputs

image/png

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 80085
  • gradient_accumulation_steps: 32
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 2.0

Training results

Training LossEpochStepValidation LossAccuracyInput Tokens Seen
3.20130.42412003.06530.4479419430400
3.19760.84814003.04340.4506838860800
3.14851.27226003.03750.45131258291200
3.18711.69638003.03660.45141677721600

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.2.0+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
JambaForCausalLM
Ревизия весов
73e5c9b

0 моделей