/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
WizardMath-7B-V1.1
Опубликована
1 апр 2024

StrangeMerges_51-7B-dare_ties

Генерация текстаТекст → текст14 профессий

Объединённая модель семейства Mistral на 7,1 млрд параметров для генерации текста, диалогов, математических рассуждений и задач программирования.

57скачиваний за 30 дней0лайковвеса 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_51-7B-dare_ties — текстовая генеративная модель, созданная Gille объединением пяти моделей с помощью LazyMergekit: WizardMath-7B-V1.1, NeuralCoder-7b, Einstein-v4-7B, Matter-0.1-Slim-7B-C-DPO и StrangeMerges_42-7B-dare_ties. Это плотная модель семейства Mistral с 7,1 млрд параметров; доступна в формате safetensors и имеет контекст до 32 768 токенов.

Модель предназначена для генерации текста и может быть полезна для диалогов и инструкций, математических рассуждений и задач по программированию — эти направления представлены среди объединённых моделей. В README приведены результаты Open LLM Leaderboard, включая средний балл 71,73, однако без полной таблицы и описания методики эти показатели не позволяют оценить качество на конкретных пользовательских задачах.

Модель распространяется по лицензии Apache-2.0. В карточке нет сведений о целевых языках и специальных мерах безопасности; фактическое качество объединения на конкретных задачах следует проверять отдельно.

Сценарии применения

  • генерация ответов в диалоговом ассистенте
  • следование текстовым инструкциям
  • решение математических задач
  • помощь с написанием и разбором кода
  • генерация текста с длинным контекстом

Ограничения

README не уточняет поддерживаемые языки и не приводит полные результаты оценки. Качество объединённой модели на конкретных задачах не гарантировано представленными в карточке данными.

Для каких профессий подходит14

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_51-7B-dare_ties

StrangeMerges_51-7B-dare_ties is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: Kukedlc/NeuralMaths-Experiment-7b
    # No parameters necessary for base model
  - model: WizardLM/WizardMath-7B-V1.1
    parameters:
      density: 0.66
      weight: 0.2
  - model: Kukedlc/NeuralCoder-7b
    parameters:
      density: 0.55
      weight: 0.2
  - model: Weyaxi/Einstein-v4-7B
    parameters:
      density: 0.55
      weight: 0.2
  - model: 0-hero/Matter-0.1-Slim-7B-C-DPO
    parameters:
      density: 0.44
      weight: 0.2
  - model: Gille/StrangeMerges_42-7B-dare_ties
    parameters:
      density: 0.66
      weight: 0.2
merge_method: dare_ties
base_model: Kukedlc/NeuralMaths-Experiment-7b
parameters:
  int8_mask: true
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Gille/StrangeMerges_51-7B-dare_ties"
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.71.73
AI2 Reasoning Challenge (25-Shot)66.98
HellaSwag (10-Shot)85.90
MMLU (5-Shot)64.54
TruthfulQA (0-shot)60.72
Winogrande (5-shot)82.08
GSM8k (5-shot)70.13

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
b14e5cc

0 моделей