Jamba-1.5 : Modèles hybrides Transformer-Mamba à grande échelle

Jamba-1.5: Hybrid Transformer-Mamba Models at Scale

August 22, 2024

Auteurs: 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

Résumé

Nous présentons Jamba-1.5, de nouveaux modèles de langage de grande taille ajustés aux instructions basés sur notre architecture Jamba. Jamba est une architecture hybride mélangeant des experts Transformer-Mamba, offrant un débit élevé et une faible utilisation de la mémoire sur différentes longueurs de contexte, tout en conservant une qualité égale ou supérieure à celle des modèles Transformer. Nous proposons deux tailles de modèle : Jamba-1.5-Large, avec 94 milliards de paramètres actifs, et Jamba-1.5-Mini, avec 12 milliards de paramètres actifs. Les deux modèles sont affinés pour diverses capacités conversationnelles et de suivi des instructions, et ont une longueur de contexte effective de 256 000 jetons, la plus grande parmi les modèles à poids ouverts. Pour prendre en charge une inférence rentable, nous introduisons ExpertsInt8, une nouvelle technique de quantification qui permet d'adapter Jamba-1.5-Large sur une machine avec 8 GPU de 80 Go lors du traitement de contextes de 256 000 jetons sans perte de qualité. Lorsqu'évalués sur une série de références académiques et de chatbots, les modèles Jamba-1.5 obtiennent d'excellents résultats tout en offrant un débit élevé et surpassent d'autres modèles à poids ouverts sur des références de longs contextes. Les poids des modèles pour les deux tailles sont disponibles publiquement sous la licence de modèle ouvert Jamba et nous publions ExpertsInt8 en open source.

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.