/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
20 фев 2024

jaLLAbi2-7b

Генерация текстаТекст → текст9 профессий

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста и ответов на запросы с контекстом до 32 768 токенов.

60скачиваний за 30 дней0лайковвеса обновлены4 мар 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

jaLLAbi2-7b — объединённая языковая модель Abacus Research на базе архитектуры Mistral с 7,1 млрд параметров. Она создана методом mergekit из нескольких моделей, включая WestSeverus-7B-DPO-v2, jaskier-7b-dpo-v5.6, haLLAwa3 и WestLake-7B-v2-laser; в конфигурации использован метод слияния dare_ties и точность bfloat16.

Модель предназначена для генерации текста и ответов на запросы. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard, в том числе по тестам AI2 Reasoning Challenge и HellaSwag.

Модель распространяется по лицензии Apache-2.0. Карточка не описывает целевые языки и не приводит ограничений или рекомендаций по применению, поэтому назначение для конкретного языка или предметной области из доступных сведений установить нельзя.

Сценарии применения

  • генерация ответов на текстовые запросы
  • создание связного текста по заданной теме
  • выполнение задач на рассуждение в формате текстового запроса

Ограничения

В карточке не указаны поддерживаемые языки и специальные ограничения; не следует предполагать качество для конкретного языка или области применения.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

jaLLAbi2-7b

jaLLAbi2-7b is a merge of the following models using mergekit:

🧩 Configuration

```yaml models:

  • model: eren23/ogno-monarch-jaskier-merge-7b

    No parameters necessary for base model

  • model: FelixChao/WestSeverus-7B-DPO-v2 #Emphasize the beginning of Vicuna format models parameters: weight: 0.2 density: 0.59
  • model: bardsai/jaskier-7b-dpo-v5.6 parameters: weight: 0.2 density: 0.55

Vicuna format

  • model: AbacusResearch/haLLAwa3 parameters: weight: 0.3 density: 0.55
  • model: cognitivecomputations/WestLake-7B-v2-laser parameters: weight: 0.3 density: 0.55

merge_method: dare_ties base_model: eren23/ogno-monarch-jaskier-merge-7b parameters: int8_mask: true dtype: bfloat16 random_seed: 0 ```

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.75.06
AI2 Reasoning Challenge (25-Shot)71.67
HellaSwag (10-Shot)88.29
MMLU (5-Shot)64.92
TruthfulQA (0-shot)70.16
Winogrande (5-shot)83.35
GSM8k (5-shot)71.95

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
e842e18

0 моделей