/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Базовая модель
Mistral-7B-Instruct-v0.3
Библиотека
transformers
Опубликована
31 мая 2024

JOSIExMistral-7B-v0.32

Генерация текстаТекст → текст5 профессий

Дообученная текстовая модель на основе Mistral-7B-Instruct с пользовательскими специальными токенами для генерации текста и диалоговых ответов.

25скачиваний за 30 дней1лайквеса обновлены1 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

JOSIExMistral-7B-v0.32 — текстовая авторегрессионная модель семейства Mistral, опубликованная Goekdeniz Guelmez и основанная на Mistral-7B-Instruct-v0.2. Автор добавил пользовательские специальные токены и описывает модель как основу для дальнейшего обучения на собственном наборе данных. В метаданных указана связь дообучения с mistralai/Mistral-7B-Instruct-v0.3; сведения о базовой версии в README и метаданных расходятся.

Модель имеет около 7,1 млрд параметров, архитектуру MistralForCausalLM и принимает текст для генерации текста, в том числе диалоговых ответов. Контекст — до 32 768 токенов; заявленная библиотека — Transformers, формат файлов — Safetensors. README не сообщает, на каких языках обучалась или проверялась модель.

Лицензия в предоставленных сведениях не указана. Карточка описывает изменённые BOS/EOS-токены, но не приводит их значения в доступном тексте и не содержит оценки качества или подробностей обучения; совместимость с шаблонами токенизации и инструкций базовой модели может отличаться.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание черновиков и продолжение текста
  • эксперименты с пользовательскими токенами Mistral
  • дальнейшее дообучение на собственном наборе данных

Ограничения

В README и метаданных указаны разные версии базовой модели (Mistral-7B-Instruct-v0.2 и v0.3). Не приведены результаты оценки, подробности обучающего набора данных или значения новых специальных токенов; лицензия в предоставленных сведениях отсутствует.

Для каких профессий подходит5

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

Model card of JOSIExMistral-7B-Instruct-v0.2

This is my Token customized mistralai/Mistral-7B-Instruct-v0.2 model

Origional Model

This is based on mistralai/Mistral-7B-Instruct-v0.2 model with added custom special Tokens. This wil most likely be my next Model, trained on my own Dataset.

--> GGUF Quants <--

New added Special Tokens

'<|functions|>',
'<|system|>',
'<|gökdeniz|>',
'<|user|>',
'<|josie|>',
'<|assistant|>',
'<|function_call|>',
'<|function_response|>',
'<|image|>',
'<|long_term_memory|>',
'<|short_term_memory|>',
'<|home_state|>',
'<|current_states|>',
'<|context|>',
'<|im_start|>',
'<|im_end|>'

New BOS and EOS Tokens

BOS = '<|startoftext|>'
EOS = '<|endoftext|>'

Model Architecture:

MistralForCausalLM(
  (model): MistralModel(
    (embed_tokens): Embedding(32018, 4096)
    (layers): ModuleList(
      (0-31): 32 x MistralDecoderLayer(
        (self_attn): MistralSdpaAttention(
          (q_proj): Linear(in_features=4096, out_features=4096, bias=False)
          (k_proj): Linear(in_features=4096, out_features=1024, bias=False)
          (v_proj): Linear(in_features=4096, out_features=1024, bias=False)
          (o_proj): Linear(in_features=4096, out_features=4096, bias=False)
          (rotary_emb): MistralRotaryEmbedding()
        )
        (mlp): MistralMLP(
          (gate_proj): Linear(in_features=4096, out_features=14336, bias=False)
          (up_proj): Linear(in_features=4096, out_features=14336, bias=False)
          (down_proj): Linear(in_features=14336, out_features=4096, bias=False)
          (act_fn): SiLU()
        )
        (input_layernorm): MistralRMSNorm()
        (post_attention_layernorm): MistralRMSNorm()
      )
    )
    (norm): MistralRMSNorm()
  )
  (lm_head): Linear(in_features=4096, out_features=32018, bias=False)
)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
ff1f82c

0 моделей