/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Своя лицензия
Архитектура
mistral · dense
Базовая модель
WestLake-7B-v2-laser-truthy-dpo
Библиотека
transformers
Опубликована
26 фев 2024

Prodigy_7B

Генерация текстаТекст → текст9 профессий

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

60скачиваний за 30 дней2лайкавеса 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

Prodigy_7B — объединённая языковая модель семейства Mistral, созданная автором ChaoticNeutrals с помощью mergekit. В слиянии методом SLERP использованы ChaoticNeutrals/This_is_fine_7B и macadeliccc/WestLake-7B-v2-laser-truthy-dpo. Модель содержит 7,1 млрд параметров, построена на архитектуре MistralForCausalLM и рассчитана на генерацию текста; заявленная длина контекста — 32 768 токенов.

Модель подходит для диалоговой генерации, ответов на запросы и других задач продолжения текста. В README приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому конкретные условия использования следует уточнять в карточке модели и у правообладателей базовых моделей.

Карточка не уточняет поддерживаемые естественные языки и специальные ограничения поведения модели. Как и другие языковые модели, она может выдавать неточные или вымышленные сведения; результаты бенчмарков сами по себе не гарантируют качество в прикладных сценариях.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание продолжения для заданного текста
  • ответы на вопросы в свободной форме
  • решение текстовых задач на рассуждение
  • генерация текста для прикладных прототипов

Ограничения

Поддерживаемые языки и специальные ограничения поведения в карточке не уточняются. Генерация может содержать ошибки или вымышленные сведения, а результаты бенчмарков не гарантируют качество для конкретной задачи.

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

Wing

GGUF available here: https://huggingface.co/Lewdiculous/Prodigy_7B-GGUF-Imatrix

Big thanks to https://huggingface.co/Lewdiculous

image/jpeg

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

Merge Details

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: ChaoticNeutrals/This_is_fine_7B
        layer_range: [0, 32]
      - model: macadeliccc/WestLake-7B-v2-laser-truthy-dpo
        layer_range: [0, 32]
merge_method: slerp
base_model: macadeliccc/WestLake-7B-v2-laser-truthy-dpo
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: float16

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.73.68
AI2 Reasoning Challenge (25-Shot)71.59
HellaSwag (10-Shot)88.09
MMLU (5-Shot)64.92
TruthfulQA (0-shot)68.57
Winogrande (5-shot)84.53
GSM8k (5-shot)64.37

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
a3fb617

0 моделей