/ Модель

Характеристики

Параметры
8,7 млрд
Размер весов
15,3 ГБ
Лицензия
Apache 2.0
Архитектура
stripedhyena · dense
Опубликована
21 ноя 2023

StripedHyena-Hessian-7B

Генерация текстаТекст → текст3 профессии

Базовая языковая модель Together Research на архитектуре StripedHyena для генерации текста и работы с длинными контекстами.

221скачиваний за 30 дней66лайковвеса обновлены27 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

StripedHyena-Hessian-7B — базовая языковая модель на 8,7 млрд параметров, разработанная Together Research совместно с академическими партнёрами. Она предназначена для генерации текста и продолжения промптов; это базовая модель, а не специализированный чат-ассистент.

Модель использует плотную гибридную архитектуру StripedHyena: в блоках сочетаются grouped-query attention и управляемые свёртки Hyena. Свёртки представлены как модели пространства состояний или усечённые фильтры, что обеспечивает постоянные затраты памяти на декодирование в блоках Hyena. Модель обучена на последовательностях длиной до 32 тысяч токенов и рассчитана на сценарии с длинным контекстом; разработчики заявляют о низкой задержке и высокой пропускной способности по сравнению с Transformer-моделями.

Модель работает с текстом; карточка указывает английский язык. Для использования вне демонстрационной площадки требуются специальные ядра. При работе с длинными промптами и при обучении параметры poles и residues следует сохранять в точности float32. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение текстового промпта
  • генерация текста на английском языке
  • обработка длинных текстовых последовательностей
  • эксперименты с альтернативами Transformer для языкового моделирования

Ограничения

Для запуска вне демонстрационной площадки требуются специальные ядра. Для длинных промптов и обучения poles и residues необходимо хранить в float32.

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

StripedHyena-Hessian-7B (SH 7B)

About

One of the focus areas at Together Research is new architectures for long context, improved training, and inference performance over the Transformer architecture. Spinning out of a research program from our team and academic collaborators, with roots in signal processing-inspired sequence models, we are excited to introduce the StripedHyena models. StripedHyena is the first alternative model competitive with the best open-source Transformers of similar sizes in short and long-context evaluations.

StripedHyena-Hessian-7B (SH 7B) is our base model for this release.

Model Architecture

StripedHyena is a hybrid architecture composed of multi-head, grouped-query attention and gated convolutions arranged in Hyena blocks, different from traditional decoder-only Transformers.

  • Costant memory decoding in Hyena blocks via representation of convolutions as state-space models (modal or canonical form), or as truncated filters.
  • Low latency, faster decoding and higher throughput than Transformers.
  • Improvement to training and inference-optimal scaling laws, compared to optimized Transformer architectures such as Llama-2.
  • Trained on sequences of up to 32k, allowing it to process longer prompts.

Note

To use StripedHyena outside of the playground, you will need to install custom kernels. Please follow the instructions from the standalone repository.

StripedHyena is a mixed precision model. Make sure to keep your poles and residues in float32 precision, especially for longer prompts or training.

Cite

If you have found the pretrained models or architecture useful for you research or application, consider citing:

@software{stripedhyena,
  title        = {{StripedHyena: Moving Beyond Transformers with Hybrid Signal Processing Models}},
  author       = { Poli, Michael and Wang, Jue and Massaroli, Stefano and Quesnelle, Jeffrey and Carlow, Ryan and Nguyen, Eric and Thomas, Armin},
  month        = 12,
  year         = 2023,
  url          = { https://github.com/togethercomputer/stripedhyena },
  doi          = { 10.57967/hf/1595 },
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
StripedHyenaModelForCausalLM
Ревизия весов
59e474c

0 моделей