/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
OmniBeagle-7B
Опубликована
9 фев 2024

NeuralTrix-7B-dpo

Генерация текстаТекст → текст10 профессий

NeuralTrix-7B-dpo — 7,1-миллиардная языковая модель на основе слияния моделей семейства Mistral для генерации текста.

104скачиваний за 30 дней13лайковвеса обновлены29 фев 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

NeuralTrix-7B-dpo — языковая модель на 7,1 млрд параметров, опубликованная CultriX. Это плотная авторегрессионная модель семейства Mistral с контекстом до 32 768 токенов. Она создана слиянием моделей OmniBeagle-7B, MBX-7B-v3 и AiMaven-Prometheus методом DARE-TIES; в карточке также указано обучение DPO, но базовая модель для этого этапа не названа.

Модель предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README называет результат NeuralTrix-7B-v1, тогда как идентификатор репозитория — NeuralTrix-7B-dpo.

Сценарии применения

  • генерация ответов на текстовые запросы
  • ведение текстового диалога
  • составление и продолжение текстов

Ограничения

README не перечисляет языки обучения и не приводит результаты оценки качества. В README указано имя NeuralTrix-7B-v1, отличающееся от идентификатора репозитория NeuralTrix-7B-dpo.

Для каких профессий подходит10

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

Edit: Please see This Thread

NeuralTrix-7B-v1

NeuralTrix-7B-v1 is a merge of the following models using LazyMergekit:

It was then trained with DPO using:

🧩 Configuration

models:
  - model: mistralai/Mistral-7B-v0.1
    # no parameters necessary for base model
  - model: mlabonne/OmniBeagle-7B
    parameters:
      density: 0.65
      weight: 0.4
  - model: flemmingmiguel/MBX-7B-v3
    parameters:
      density: 0.6
      weight: 0.35
  - model: AiMavenAi/AiMaven-Prometheus
    parameters:
      density: 0.6
      weight: 0.35
merge_method: dare_ties
base_model: mistralai/Mistral-7B-v0.1
parameters:
  int8_mask: true
dtype: float16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "CultriX/NeuralTrix-7B-v1"
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
231690e

0 моделей