/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
StrangeMerges_34-7B-slerp
Опубликована
7 мар 2024

StrangeMerges_35-7B-slerp

Генерация текстаТекст → текст7 профессий

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста с контекстом до 32 768 токенов.

56скачиваний за 30 дней1лайквеса обновлены3 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

StrangeMerges_35-7B-slerp — объединённая языковая модель, созданная Gille с помощью LazyMergekit. Она сочетает модели Gille/StrangeMerges_34-7B-slerp и Gille/StrangeMerges_32-7B-slerp методом SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в safetensors.

Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Её можно применять для диалогов, продолжения текста и ответов на вопросы; README приводит результаты оценки на задачах рассуждения и понимания текста. Сведения о специализированных областях и языковой направленности модели не приведены.

Модель распространяется по лицензии Apache-2.0. Результаты оценки не гарантируют качество на конкретных пользовательских задачах; README содержит лишь часть таблицы метрик.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • продолжение заданного текста
  • ответы на вопросы по текстовому запросу
  • создание черновиков и вариантов формулировок

Ограничения

README приводит только часть таблицы оценок, поэтому результаты не дают полной картины качества. Языковая специализация и пригодность для конкретных областей не описаны.

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

StrangeMerges_35-7B-slerp

StrangeMerges_35-7B-slerp is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  - sources:
      - model: Gille/StrangeMerges_34-7B-slerp
        layer_range: [0, 32]
      - model: Gille/StrangeMerges_32-7B-slerp
        layer_range: [0, 32]
merge_method: slerp
base_model: Gille/StrangeMerges_32-7B-slerp
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 0.3, 0.5, 0.7]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0.7, 0.5, 0.3]
    - value: 0.5
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Gille/StrangeMerges_35-7B-slerp"
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.74.75
AI2 Reasoning Challenge (25-Shot)71.67
HellaSwag (10-Shot)88.34
MMLU (5-Shot)64.66
TruthfulQA (0-shot)75.76
Winogrande (5-shot)83.35
GSM8k (5-shot)64.75

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
369781a

0 моделей