/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Своя лицензия
Архитектура
mistral · dense
Базовая модель
Kunoichi-DPO-v2-7B
Библиотека
transformers
Опубликована
7 фев 2024

Kunocchini-7b-128k-test

Генерация текстаТекст → текст5 профессий

Слияние двух моделей Mistral на 7,1 млрд параметров для диалогов, генерации текста и ответов на вопросы.

64скачиваний за 30 дней18лайковвеса 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

ChaoticNeutrals/Kunocchini-7b-128k-test — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием Kunoichi-DPO-v2-7B и Fett-uccine-Long-Noodle-7B-120k-Context методом SLERP. Модель предназначена для генерации текста, диалогов и ответов на вопросы; в README указана конфигурация для SillyTavern. Репозиторий содержит веса Safetensors, а исходная точность слияния — bfloat16.

В метаданных заявлено 32 768 токенов нативного контекста. Название репозитория упоминает 128k, а одна из базовых моделей рассчитана на длинный контекст, однако эти сведения не подтверждают поддержку 128k самой объединённой моделью. Карточка задаёт лицензию как other, поэтому конкретные условия следует проверять у автора и в файлах репозитория. README приводит результаты отдельных тестов, но не описывает языковой охват и ограничения модели.

Сценарии применения

  • ведение диалогов с пользователем
  • генерация связного текста по запросу
  • ответы на вопросы в формате чата
  • использование в SillyTavern

Ограничения

В метаданных указан нативный контекст 32 768 токенов; название модели само по себе не подтверждает поддержку 128k. Языковая поддержка не описана, а точные условия лицензии other требуют проверки.

Для каких профессий подходит5

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

Thanks to @Epiculous for the dope model/ help with llm backends and support overall.

Id like to also thank @kalomaze for the dope sampler additions to ST.

@SanjiWatsuki Thank you very much for the help, and the model!

ST users can find the TextGenPreset in the folder labeled so.

image/jpeg

Quants: Thank You @s3nh! https://huggingface.co/s3nh/Kunocchini-7b-128k-test-GGUF and @bartowski https://huggingface.co/bartowski/Kunocchini-7b-128k-test-exl2 Thanks To @Lewdiculus for the Imatrix gguf quants: https://huggingface.co/Lewdiculous/Kunocchini-7b-128k-test-GGUF-Imatrix

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

slices:
  - sources:
      - model: SanjiWatsuki/Kunoichi-DPO-v2-7B
        layer_range: [0, 32]
      - model: Epiculous/Fett-uccine-Long-Noodle-7B-120k-Context
        layer_range: [0, 32]
merge_method: slerp
base_model: SanjiWatsuki/Kunoichi-DPO-v2-7B
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

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.67.24
AI2 Reasoning Challenge (25-Shot)66.98
HellaSwag (10-Shot)85.62
MMLU (5-Shot)61.27
TruthfulQA (0-shot)59.35
Winogrande (5-shot)77.90
GSM8k (5-shot)52.31

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
ddb5e23

0 моделей