/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,5 млрд
Размер весов
5,6 ГБ
Лицензия
MIT
Архитектура
phi · dense
Базовая модель
phi-2-orange-v2
Библиотека
transformers
Опубликована
11 апр 2024

L-MChat-Small

Генерация текстаТекст → текст3 профессии

Компактная чат-модель на архитектуре Phi для генерации диалогового текста, полученная слиянием двух моделей методом SLERP.

8 914скачиваний за 30 дней1лайквеса обновлены28 июл 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0378

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4823

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2676

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2464

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3287

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3696

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

L-MChat-Small — компактная чат-модель, созданная автором Artples как эксперимент со слиянием небольших моделей. Она основана на архитектуре Phi и содержит 3,5 млрд параметров. Модель получена слиянием rhysjones/phi-2-orange-v2 и Weyaxi/Einstein-v4-phi2 методом SLERP; веса представлены в формате Safetensors и типе bfloat16.

Модель предназначена для генерации текста в диалоговом формате ChatML и может использоваться через Transformers или Inference API. Контекст составляет 2048 токенов. В README приведены результаты Open LLM Leaderboard, включая среднее значение 63,14, но они не гарантируют качество на конкретных задачах. Лицензия — MIT.

Сценарии применения

  • ответы на вопросы в чате
  • генерация диалоговых реплик в формате ChatML
  • создание черновиков и продолжение текста
  • эксперименты со слиянием небольших языковых моделей

Ограничения

Контекст ограничен 2048 токенами; README описывает модель как личный эксперимент и не приводит подробных ограничений или гарантий качества.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

L-MChat-Small

This was a test of mine how small merges perform, because there are a lot of 7b merges and higher but not a lot of 2b merges.

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

slices:
- sources:
  - model: Weyaxi/Einstein-v4-phi2
    layer_range:
    - 0
    - 32
  - model: rhysjones/phi-2-orange-v2
    layer_range:
    - 0
    - 32
merge_method: slerp
base_model: rhysjones/phi-2-orange-v2
parameters:
  t:
  - filter: self_attn
    value:
    - 0
    - 0.5
    - 0.3
    - 0.7
    - 1
  - filter: mlp
    value:
    - 1
    - 0.5
    - 0.7
    - 0.3
    - 0
  - value: 0.5
dtype: bfloat16

Usage

Use it with the ChatML format, you can also use the Inference-API for this Model.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.63.14
AI2 Reasoning Challenge (25-Shot)61.60
HellaSwag (10-Shot)75.90
MMLU (5-Shot)57.41
TruthfulQA (0-shot)49.94
Winogrande (5-shot)74.98
GSM8k (5-shot)58.98

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
PhiForCausalLM
Ревизия весов
8be8cc4

0 моделей