/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
NeuralMaxime-7B-slerp
Опубликована
13 мар 2024

MergeCeption-7B-v3

Генерация текстаТекст → текст9 профессий

Слитая 7,1-миллиардная модель на архитектуре Mistral для генерации текста и общих языковых задач.

59скачиваний за 30 дней3лайкавеса обновлены13 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

MergeCeption-7B-v3 — языковая модель CultriX, созданная слиянием моделей с помощью LazyMergekit. В конфигурации указаны CultriX/MonaTrix-v4 как базовая модель, а также Kukedlc/NeuralMaxime-7B-slerp, mlabonne/Monarch-7B и CultriX/NeuralTrix-bf16; применён метод dare_ties. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров.

Модель предназначена для генерации текста и общих языковых задач. Контекст составляет до 32 768 токенов; репозиторий содержит веса в формате safetensors. Поддержка русского и других конкретных языков в предоставленных данных не подтверждена. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация связного текста по запросу
  • ответы на вопросы в диалоговом интерфейсе
  • составление черновиков и кратких текстов
  • продолжение пользовательского текста
  • решение общих языковых задач

Ограничения

В предоставленных данных нет сведений о специализированной оценке качества, поэтому пригодность для конкретных предметных областей не установлена. Поддерживаемые языки явно не перечислены.

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

MergeCeption-7B-v3

MergeCeption-7B-v3 is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: CultriX/MonaTrix-v4
    # No parameters necessary for base model
  - model: Kukedlc/NeuralMaxime-7B-slerp
    parameters:
      weight: 0.4
      density: 0.7
  - model: mlabonne/Monarch-7B
    parameters:
      weight: 0.3
      density: 0.6
  - model: CultriX/NeuralTrix-bf16
    parameters:
      weight: 0.3
      density: 0.7
merge_method: dare_ties
base_model: CultriX/MonaTrix-v4
parameters:
  int8_mask: true
dtype: bfloat16
random_seed: 0

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "CultriX/MergeCeption-7B-v3"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

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
c7df5c5

0 моделей