Компактная двухслойная Mamba2, дистиллированная для ускорения спекулятивного декодирования гибридных моделей и генерации текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
ycwu97/mamba2-distilled-small — компактная двухслойная модель Mamba2, созданная ycwu97 дистилляцией из JunxiongWang/Llama3.2-Mamba2-3B-distill. Обучение было остановлено на шаге 48 000; метаданные указывают 149,5 млн параметров, контекст до 131 072 токенов и реализацию на PyTorch через Transformers.
Модель предназначена прежде всего для использования в качестве черновой модели при спекулятивном декодировании гибридных моделей в работе STree. Также она поддерживает генерацию текста. Карточка не приводит сведений о качестве самостоятельного диалогового помощника или поддержке языков помимо английского.
Лицензия — Apache-2.0. Указанное раннее завершение обучения может ограничивать качество и пригодность модели для самостоятельного применения; заявленный контекст не подтверждает качество на всей длине последовательности.
Обучение остановлено на шаге 48 000, поэтому качество может быть ограничено. В README основное назначение — черновая модель для спекулятивного декодирования; пригодность для самостоятельного диалогового использования не описана.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
2 layer mamba2 models distilled from JunxiongWang/Llama3.2-Mamba2-3B-distill. Early stop at 48000 step.
Used in STree: Speculative Tree Decoding for Hybrid State-Space Models as a draft model for speculative decoding for hybrid models.
For more details on installation, training, and evaluation, please refer to the GitHub repository.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…