/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
6 апр 2024

Satyr-7B-Model_Stock

Генерация текстаТекст → текст4 профессии

Объединённая модель Mistral на 7,1 млрд параметров для диалоговой генерации текста и ролевых сценариев.

71скачиваний за 30 дней0лайковвеса обновлены10 апр 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

Satyr-7B-Model_Stock — языковая модель для генерации текста на основе архитектуры Mistral, созданная объединением четырёх моделей: NeverSleep/Noromaid-7B-0.4-DPO, SanjiWatsuki/Kunoichi-DPO-v2-7B, Undi95/Toppy-M-7B и Epiculous/Fett-uccine-7B. Для объединения использован LazyMergekit с методом model_stock; в конфигурации базовой указана SanjiWatsuki/Kunoichi-DPO-v2-7B.

Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Она предназначена для диалоговой генерации и ролевых сценариев; в README также приведены результаты Open LLM Leaderboard. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • ведение диалогов с пользователем
  • генерация реплик для ролевых сценариев
  • продолжение текста по заданному контексту

Ограничения

В карточке не указаны поддерживаемые языки или специальные меры безопасности; ответы могут требовать проверки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Satyr-7B-Model_Stock

Satyr-7B-Model_Stock is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: NeverSleep/Noromaid-7B-0.4-DPO
  - model: SanjiWatsuki/Kunoichi-DPO-v2-7B
  - model: Undi95/Toppy-M-7B
  - model: Epiculous/Fett-uccine-7B
merge_method: model_stock
base_model: SanjiWatsuki/Kunoichi-DPO-v2-7B
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "DreadPoor/Satyr-7B-Model_Stock"
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"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.71.74
AI2 Reasoning Challenge (25-Shot)68.60
HellaSwag (10-Shot)86.96
MMLU (5-Shot)65.02
TruthfulQA (0-shot)63.76
Winogrande (5-shot)80.43
GSM8k (5-shot)65.66

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
4056cd3

0 моделей