Jamba-1.5: Hybride Transformer-Mamba-modellen op Schaal

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

Samenvatting

We presenteren Jamba-1.5, nieuwe instruction-tuned grote taalmodellen gebaseerd op onze Jamba-architectuur. Jamba is een hybride Transformer-Mamba mixture of experts-architectuur, die hoge doorvoersnelheid en laag geheugengebruik biedt over verschillende contextlengtes, terwijl dezelfde of betere kwaliteit behouden blijft in vergelijking met Transformer-modellen. We brengen twee modelgroottes uit: Jamba-1.5-Large, met 94B actieve parameters, en Jamba-1.5-Mini, met 12B actieve parameters. Beide modellen zijn verfijnd voor een verscheidenheid aan conversatie- en instructievolgende vaardigheden en hebben een effectieve contextlengte van 256K tokens, de grootste onder open-weight modellen. Om kosteneffectieve inferentie te ondersteunen, introduceren we ExpertsInt8, een nieuwe kwantizatietechniek die het mogelijk maakt om Jamba-1.5-Large op een machine met 8 80GB GPU's te laten draaien bij het verwerken van 256K-token contexten zonder kwaliteitsverlies. Wanneer geëvalueerd op een reeks academische en chatbot-benchmarks, behalen de Jamba-1.5-modellen uitstekende resultaten terwijl ze een hoge doorvoersnelheid bieden en andere open-weight modellen overtreffen op lange-context benchmarks. De modelgewichten voor beide groottes zijn publiekelijk beschikbaar onder de Jamba Open Model License en we brengen ExpertsInt8 uit als 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.