/ Модель

Характеристики

Параметры
8,9 млрд
Размер весов
14,5 ГБ
Лицензия
Своя лицензия
Архитектура
falcon_mamba · dense
Опубликована
17 июл 2024

falcon-mamba-7b

Генерация текстаТекст → текст6 профессий

Англоязычная языковая модель TII на архитектуре Mamba для генерации текста и предсказания следующего токена.

26 325скачиваний за 30 дней248лайковвеса обновлены17 дек 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0446

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2302

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,421

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3336

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3104

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4285

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Falcon-Mamba-7B — авторегрессионная языковая модель с причинным декодером на архитектуре Mamba, разработанная TII. Она обучена предсказывать следующий токен и предназначена для генерации продолжений текста и других сценариев языкового моделирования. В метаданных указан размер 8,9 млрд параметров; архитектура включает 64 слоя с размерностью скрытого состояния 4096.

Модель ориентирована главным образом на английский язык. При обучении использовались веб-тексты RefinedWeb, образовательные и технические данные, а также материалы по программированию и математике. Контекст увеличивали с 2 048 до 8 192 токенов; в README отмечено, что для Mamba длина контекста при инференсе не ограничена так же, как у стандартных трансформеров. Для запуска предусмотрена библиотека Transformers, а оптимизированные ядра Mamba могут повысить производительность.

Модель подходит для генерации текста общего назначения, однако приведённые в карточке результаты бенчмарков показывают ограничения на сложных задачах рассуждения и следования инструкциям. Лицензия — TII Falcon-Mamba License 2.0; перед использованием следует проверить её условия.

Сценарии применения

  • генерация продолжения английского текста
  • создание черновиков и ответов на английском языке
  • генерация кода по текстовому запросу
  • подготовка учебных объяснений и текстов
  • эксперименты с языковыми моделями на архитектуре Mamba

Ограничения

Модель ориентирована преимущественно на английский язык, а опубликованные оценки показывают слабые результаты на некоторых сложных задачах рассуждения и следования инструкциям. Для оптимальной производительности могут потребоваться оптимизированные ядра Mamba.

Для каких профессий подходит6

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

Table of Contents

  1. TL;DR
  2. Model Details
  3. Usage
  4. Training Details
  5. Evaluation

TL;DR

Model Details

Model Description

  • Developed by: https://www.tii.ae
  • Model type: Causal decoder-only
  • Architecture: Mamba
  • Language(s) (NLP): Mainly English
  • License: TII Falcon-Mamba License 2.0

Check out the blogpost for more details!

Usage

Find below some example scripts on how to use the model in transformers (Make sure to have the latest transformers, or the one built from source):

Using the Pytorch model

Running the model on a CPU

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
model = AutoModelForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b")

input_text = "Question: How many hours in one day? Answer: "
input_ids = tokenizer(input_text, return_tensors="pt").input_ids

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

Running the model on a GPU

# pip install accelerate
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
model = AutoModelForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b", device_map="auto")

input_text = "Question: How many hours in one day? Answer: "
input_ids = tokenizer(input_text, return_tensors="pt").input_ids.to("cuda")

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

Running the model on a GPU using torch.compile

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
model = AutoModelForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b", torch_dtype=torch.bfloat16).to(0)

model = torch.compile(model)

input_text = "Question: How many hours in one day? Answer: "
input_ids = tokenizer(input_text, return_tensors="pt").input_ids.to("cuda")

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

Running the model on a GPU using different precisions

FP16

# pip install accelerate
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
model = AutoModelForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b", device_map="auto", torch_dtype=torch.float16)

input_text = "Question: How many hours in one day? Answer: "
input_ids = tokenizer(input_text, return_tensors="pt").input_ids.to("cuda")

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

4-bit

# pip install bitsandbytes accelerate
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
model = AutoModelForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b", device_map="auto", quantization_config=BitsAndBytesConfig(load_in_4bit=True))

input_text = "Question: How many hours in one day? Answer: "
input_ids = tokenizer(input_text, return_tensors="pt").input_ids.to("cuda")

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

Training Details

Training Data

Falcon-Mamba has been trained with ~ 5,500 GT mainly coming from Refined-Web, a large volume web-only dataset filtered and deduplicated. Similar to the others Falcon suite models, Falcon-Mamba has been trained leveraging a multi-stage training strategy to increase the context-length from 2,048 to 8,192. Moreover, inspired by the concept of Curriculum Learning, we carefully selected data mixtures throughout the training stages, considering both data diversity and complexity. Note that at inference the context-length is not relevant as the Mamba architecture has no limit on long range dependency. At the last training stage, small portion of high-quality curated data was used to further enhance performance.

Overall, the data sources included RefinedWeb-English, high quality technical data, code data and math data extracted from public sources. In particular, we used samples coming from Fineweb-edu during our last training stage.

The data was tokenized with the Falcon-7B/11B tokenizer.

Training Procedure

Falcon-Mamba-7B was trained on 256 H100 80GB GPUs for the majority of the training, using a 3D parallelism strategy (TP=1, PP=1, DP=256) combined with ZeRO.

Training Hyperparameters

HyperparameterValueComment
Precisionbfloat16
OptimizerAdamW
Max learning rate6.4e-4Following a WSD (warmup-stable-decay) learning rate schedule
Weight decay1e-1
Batch size2048

The model was trained AdamW optimizer, WSD (warmup-stable-decay) learning rate schedule, and a batch size rampup from \(b_{\mathrm{min}}=128\) to \(b_{\mathrm{max}}=2048\) during first 50 GT of training. In the stable phase we used maximal learning rate \(\eta_{\mathrm{max}}=6.4 \times 10^{-4}\), and decayed it to the minimal value \(\eta_{\mathrm{min}}=\frac{\eta_{\mathrm{max}}}{256}\) with exponential schedule over 500 GT. Also, we applied BatchScaling during the rampup — rescaling learning rate \(\eta\) so that the Adam noise temperature \(T_{\mathrm{noise}}\equiv\frac{\eta}{\sqrt{b}}\) is kept constant.

Speeds, Sizes, Times

The model training took roughly two months.

Evaluation

Benchmarks

We evaluate our model on all benchmarks of the new leaderboard's version using the lm-evaluation-harness package, and then normalize the evaluation results with HuggingFace score normalization.

model nameIFEvalBBHMATH LvL5GPQAMUSRMMLU-PROAverage
Pure SSM models
FalconMamba-7B33.3619.883.638.0510.8614.4715.04
TRI-ML/mamba-7b-rw*22.466.710.451.125.511.696.25
Hybrid SSM-attention models
recurrentgemma-9b30.7614.804.834.706.6017.8813.20
Zyphra/Zamba-7B-v1*24.0621.123.323.037.7416.0212.55
Transformer models
Falcon2-11B32.6121.942.342.807.5315.4413.78
Meta-Llama-3-8B14.5524.503.257.386.2424.5513.41
Meta-Llama-3.1-8B12.7025.294.616.158.9824.9513.78
Mistral-7B-v0.123.8622.022.495.5910.6822.3614.50
Mistral-Nemo-Base-2407 (12B)16.8329.374.985.826.5227.4615.08
gemma-7B26.5921.126.424.9210.9821.6415.28
RWKV models
RWKV-v6-Finch-7B*27.659.041.112.812.255.858.12
RWKV-v6-Finch-14B*29.8112.891.135.013.1611.310.55

Also, we evaluate our model on the benchmarks of the first leaderboard using lighteval.

model nameARCHellaSwagMMLUWinograndeTruthfulQAGSM8KAverage
Pure SSM models
FalconMamba-7B*62.0380.8262.1173.6453.4252.5464.09
TRI-ML/mamba-7b-rw*51.2580.8533.4171.1132.084.7045.52
Hybrid SSM-attention models
recurrentgemma-9b**52.0080.4060.5073.6038.6042.6057.95
Zyphra/Zamba-7B-v1*56.1482.2358.1179.8752.8830.7860.00
Transformer models
Falcon2-11B59.7382.9158.3778.3052.5653.8364.28
Meta-Llama-3-8B60.2482.2366.7078.4542.9345.1962.62
Meta-Llama-3.1-8B58.5382.1366.4374.3544.2947.9262.28
Mistral-7B-v0.159.9883.3164.1678.3742.1537.8360.97
Mistral-Nemo-Base-2407 (12B)*57.9482.8264.4373.7249.1455.2763.89
gemma-7B61.0982.2064.5679.0144.7950.8763.75
RWKV models
RWKV-v6-Finch-7B*43.8675.1941.6968.2742.1919.6448.47
RWKV-v6-Finch-14B*47.4478.8652.3371.2745.4538.0655.57

Mostly, we took evaluation results from both leaderboards. For the models marked by star we evaluated the tasks internally, while for the models marked by two stars the results were taken from paper or model card.

Throughput

This model can achieve comparable throughput and performance compared to other transformer based models that use optimized kernels such as Flash Attention 2. Make sure to install the optimized Mamba kernels with the following commands:

pip install "causal-conv1d>=1.4.0" mamba-ssm

Refer to our FalconMamba blogpost for more details about performance evaluation.

Technical Specifications

Model Architecture and Objective

Falcon-Mamba-7B is a causal decoder-only model trained on a causal language modeling task (i.e., predict the next token).

The model is based on the Mamba architecture (Gu et al., 2023).

HyperparameterValueComment
Layers64Number of layers
d_model4096Hidden dimension
d_state16The SSM state dimension
Vocabulary65024Vocabulary Size
Sequence length8192During the last training stages

Compute Infrastructure

Hardware

Falcon-Mamba-7B was trained on AWS SageMaker, using on average 256 H100 80GB GPUs in 32 p5 instances.

Software

Falcon-Mamba-7B was trained on an internal distributed training codebase, Gigatron. It uses a 3D parallelism approach combined with ZeRO, high-performance Triton kernels.

Citation

You can use the following bibtex citation:

@misc{zuo2024falconmambacompetitiveattentionfree,
      title={Falcon Mamba: The First Competitive Attention-free 7B Language Model}, 
      author={Jingwei Zuo and Maksim Velikanov and Dhia Eddine Rhaiem and Ilyas Chahed and Younes Belkada and Guillaume Kunsch and Hakim Hacid},
      year={2024},
      eprint={2410.05355},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.05355}, 
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.15.04
IFEval (0-Shot)33.36
BBH (3-Shot)19.88
MATH Lvl 5 (4-Shot)3.63
GPQA (0-shot)8.05
MuSR (0-shot)10.86
MMLU-PRO (5-shot)14.47

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
FalconMambaForCausalLM
Ревизия весов
080ad94

0 моделей