/ Модель

Характеристики

Контекст
8 192 токена
Размер весов
790 МБ
Архитектура
llama · dense
Базовая модель
neo_7b
Опубликована
30 июн 2024

Neo_7b-merge2

Генерация текстаТекст → текст7 профессий

Объединённая на базе m-a-p/neo_7b модель LLaMA для генерации текста и диалогов с контекстом до 8192 токенов.

156скачиваний за 30 дней0лайковвеса обновлены30 июн 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

Neo_7b-merge2 — объединённая модель на основе m-a-p/neo_7b, созданная с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых приложений; архитектура — плотная LLaMA с причинно-языковой моделью LlamaForCausalLM. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов.

В README указано объединение двух записей одной и той же базовой модели m-a-p/neo_7b. Метаданные также связывают репозиторий с этой базовой моделью и отмечают возможности чата. Данные о специализированной предметной области и языковой поддержке отсутствуют. Лицензия в доступных данных не приведена.

Сценарии применения

  • генерация текста по запросу
  • ведение текстового диалога
  • создание диалоговых приложений

Ограничения

Поддерживаемые языки и лицензия не определены по доступным данным. README указывает на слияние двух копий одной базовой модели, поэтому преимущества такого слияния не подтверждены.

Для каких профессий подходит7

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

Neo_7b-merge2

Neo_7b-merge2 is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  # Group 1
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [0, 0]
      - model: m-a-p/neo_7b
        layer_range: [3, 3]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [1, 1]
      - model: m-a-p/neo_7b
        layer_range: [3, 3]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [2, 2]
      - model: m-a-p/neo_7b
        layer_range: [3, 3]
  # Group 2
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [4, 4]
      - model: m-a-p/neo_7b
        layer_range: [7, 7]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [5, 5]
      - model: m-a-p/neo_7b
        layer_range: [7, 7]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [6, 6]
      - model: m-a-p/neo_7b
        layer_range: [7, 7]
  # Group 3
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [8, 8]
      - model: m-a-p/neo_7b
        layer_range: [11, 11]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [9, 9]
      - model: m-a-p/neo_7b
        layer_range: [11, 11]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [10, 10]
      - model: m-a-p/neo_7b
        layer_range: [11, 11]
  # Group 4
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [12, 12]
      - model: m-a-p/neo_7b
        layer_range: [15, 15]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [13, 13]
      - model: m-a-p/neo_7b
        layer_range: [15, 15]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [14, 14]
      - model: m-a-p/neo_7b
        layer_range: [15, 15]
  # Group 5
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [16, 16]
      - model: m-a-p/neo_7b
        layer_range: [19, 19]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [17, 17]
      - model: m-a-p/neo_7b
        layer_range: [19, 19]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [18, 18]
      - model: m-a-p/neo_7b
        layer_range: [19, 19]
  # Group 6
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [20, 20]
      - model: m-a-p/neo_7b
        layer_range: [23, 23]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [21, 21]
      - model: m-a-p/neo_7b
        layer_range: [23, 23]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [22, 22]
      - model: m-a-p/neo_7b
        layer_range: [23, 23]
  # Group 7 (last group)
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [24, 24]
      - model: m-a-p/neo_7b
        layer_range: [27, 27]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [25, 25]
      - model: m-a-p/neo_7b
        layer_range: [27, 27]
  - sources:
      - model: m-a-p/neo_7b
        layer_range: [26, 26]
      - model: m-a-p/neo_7b
        layer_range: [27, 27]
merge_method: slerp
base_model: m-a-p/neo_7b
parameters:
  t: 0.3333  # Apply 1/3 of the 4th layer to each of the previous 3 layers
dtype: bfloat16
output_path: ./merged_redistributed_neo_7b

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "DewEfresh/Neo_7b-merge2"
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
LlamaForCausalLM
Ревизия весов
f15d0b0

0 моделей