Jamba-1.5: Modelos híbridos Transformer-Mamba a escala

Jamba-1.5: Hybrid Transformer-Mamba Models at Scale

August 22, 2024

Autores: Jamba Team, Barak Lenz, Alan Arazi, Amir Bergman, Avshalom Manevich, Barak Peleg, Ben Aviram, Chen Almagor, Clara Fridman, Dan Padnos, Daniel Gissin, Daniel Jannai, Dor Muhlgay, Dor Zimberg, Edden M Gerber, Elad Dolev, Eran Krakovsky, Erez Safahi, Erez Schwartz, Gal Cohen, Gal Shachaf, Haim Rozenblum, Hofit Bata, Ido Blass, Inbal Magar, Itay Dalmedigos, Jhonathan Osin, Julie Fadlon, Maria Rozman, Matan Danos, Michael Gokhman, Mor Zusman, Naama Gidron, Nir Ratner, Noam Gat, Noam Rozen, Oded Fried, Ohad Leshno, Omer Antverg, Omri Abend, Opher Lieber, Or Dagan, Orit Cohavi, Raz Alon, Ro'i Belson, Roi Cohen, Rom Gilad, Roman Glozman, Shahar Lev, Shaked Meirom, Tal Delbari, Tal Ness, Tomer Asida, Tom Ben Gal, Tom Braude, Uriya Pumerantz, Yehoshua Cohen, Yonatan Belinkov, Yuval Globerson, Yuval Peleg Levy, Yoav Shoham

cs.AI

Resumen

Presentamos Jamba-1.5, nuevos modelos de lenguaje grandes ajustados a instrucciones basados en nuestra arquitectura Jamba. Jamba es una arquitectura híbrida de mezcla de expertos Transformer-Mamba, que proporciona alta capacidad de procesamiento y bajo uso de memoria a lo largo de diferentes longitudes de contexto, manteniendo la misma o mejor calidad que los modelos Transformer. Lanzamos dos tamaños de modelo: Jamba-1.5-Grande, con 94 mil millones de parámetros activos, y Jamba-1.5-Mini, con 12 mil millones de parámetros activos. Ambos modelos están ajustados para una variedad de capacidades conversacionales y de seguimiento de instrucciones, y tienen una longitud de contexto efectiva de 256 mil tokens, la más grande entre los modelos de peso abierto. Para respaldar inferencias rentables, presentamos ExpertsInt8, una técnica de cuantificación novedosa que permite ajustar Jamba-1.5-Grande en una máquina con 8 GPUs de 80 GB al procesar contextos de 256 mil tokens sin pérdida de calidad. Al ser evaluados en una serie de pruebas académicas y de chatbot, los modelos Jamba-1.5 logran excelentes resultados al proporcionar alta capacidad de procesamiento y superar a otros modelos de peso abierto en pruebas de largo contexto. Los pesos del modelo para ambos tamaños están disponibles públicamente bajo la Licencia de Modelo Abierto de Jamba y lanzamos ExpertsInt8 como código abierto.

English

We present Jamba-1.5, new instruction-tuned large language models based on our Jamba architecture. Jamba is a hybrid Transformer-Mamba mixture of experts architecture, providing high throughput and low memory usage across context lengths, while retaining the same or better quality as Transformer models. We release two model sizes: Jamba-1.5-Large, with 94B active parameters, and Jamba-1.5-Mini, with 12B active parameters. Both models are fine-tuned for a variety of conversational and instruction-following capabilties, and have an effective context length of 256K tokens, the largest amongst open-weight models. To support cost-effective inference, we introduce ExpertsInt8, a novel quantization technique that allows fitting Jamba-1.5-Large on a machine with 8 80GB GPUs when processing 256K-token contexts without loss of quality. When evaluated on a battery of academic and chatbot benchmarks, Jamba-1.5 models achieve excellent results while providing high throughput and outperforming other open-weight models on long-context benchmarks. The model weights for both sizes are publicly available under the Jamba Open Model License and we release ExpertsInt8 as open source.