/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
32 млрд
Размер весов
65,5 ГБ
Архитектура
qwen2 · dense
Базовая модель
QwQ-32B-Preview-abliterated
Библиотека
transformers
Опубликована
2 дек 2024

QwQ-32B-Preview-abliterated-Self-instruct-4x-TIES-MGS-v1.0

Генерация текстаТекст → текст11 профессий

Объединённая методом TIES модель Qwen2 на 32 млрд параметров для генерации текста, диалогов, кода и историй.

22скачиваний за 30 дней1лайквеса обновлены2 дек 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

BenevolenceMessiah выпустил объединённую языковую модель QwQ-32B-Preview-abliterated-Self-instruct-4x-TIES-MGS-v1.0. Она создана методом TIES с помощью mergekit на базе huihui-ai/QwQ-32B-Preview-abliterated и объединяет её с Rombos-Coder-V2.5-Qwen-32b, TheBeagle-v2beta-32B-MGS, Rombos-LLM-V2.5-Qwen-32b и EVA-Qwen2.5-32B-v0.2.

Модель построена на архитектуре Qwen2 с плотной авторегрессионной языковой сетью Qwen2ForCausalLM, содержит 32 млрд параметров и поддерживает контекст до 32 768 токенов. Предназначена для генерации текста и диалогов; состав исходных моделей предполагает применение для кода, ролевых диалогов и написания историй.

Веса опубликованы в формате safetensors для библиотеки Transformers. Карточка не сообщает лицензию и подробные результаты оценки качества, поэтому условия использования и сравнительную эффективность определить нельзя. Как результат слияния нескольких моделей, качество и поведение на конкретных задачах следует оценивать отдельно.

Сценарии применения

  • генерация диалоговых ответов
  • написание историй и ролевые диалоги
  • генерация и дополнение кода
  • создание текстов по заданной инструкции

Ограничения

В карточке не указаны лицензия и оценки качества. Результат слияния нескольких моделей может по-разному проявлять себя на отдельных задачах.

Для каких профессий подходит11

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

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the TIES merge method using huihui-ai/QwQ-32B-Preview-abliterated as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

# QwQ-32B-Preview-abliterated-Self-instruct-4x-TIES-MGS-v1.0

models:
  - model: rombodawg/Rombos-LLM-V2.5-Qwen-32b # Self-instruct fine-tuning on Qwen2.5
    parameters:
      density: 1.0
      weight: 1.0
  - model: EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2 # RP/storywriting specialist model (hopefully correcting some of the known limitations of the base model)
    parameters:
      density: 1.0
      weight: 1.0
  - model: fblgit/TheBeagle-v2beta-32B-MGS # MGS training
    parameters:
      density: 1.0
      weight: 1.0
  - model: rombodawg/Rombos-Coder-V2.5-Qwen-32b # Self-instruct fine-tuning on Qwen2.5-Coder
    parameters:
      density: 1.0
      weight: 1.0

merge_method: ties
base_model: huihui-ai/QwQ-32B-Preview-abliterated # Advanced AI reasoning capabilities - abliterated model as base
parameters:
  normalize: true
  int8_mask: false
dtype: bfloat16
tokenizer_source: union

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
dfbcdea

0 моделей