/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
29 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
11 фев 2024

GritLM-7B

Генерация текстаТекст → текст15 профессий

Дообученная на основе Mistral модель, объединяющая генерацию текста с получением текстовых представлений для поиска и ранжирования.

32 675скачиваний за 30 дней122лайкавеса обновлены5 мар 2026

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 оценки34

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • mteb/biosses-sts

    euclidean_spearman

    Результат

    85,1393

    STS 86,355
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • SIB200Classification

    main_score

    Результат

    0,5907

    Общий результат 0,7586Общий результат 0,6667Общий результат 0,6222
    MTEB

    Публичная таблицадругая ревизия

  • mteb/toxic_conversations_50k

    ap

    Результат

    15,4676

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • scidocs

    map_at_1000 · выше — лучше

    Результат

    17,875

    Retrieval 24,411
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • BeIR/cqadupstack

    precision_at_100 · выше — лучше

    Результат

    1,435

    Retrieval 45,2636Retrieval 31,758Retrieval 25,945
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • AmazonReviewsClassification

    main_score

    Результат

    0,5574

    MTEB

    Публичная таблицадругая ревизия

  • AmazonPolarityClassification

    main_score

    Результат

    0,9664

    MTEB

    Публичная таблицадругая ревизия

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,8302

    Общий результат 0,9707Общий результат 0,5099
    MTEB

    Публичная таблицадругая ревизия

  • mteb/banking77

    accuracy · выше — лучше

    Результат

    88,4675

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • IWSLT2017BitextMining

    main_score

    Результат

    0,9234

    MTEB

    Публичная таблицадругая ревизия

  • NusaTranslationBitextMining

    main_score

    Результат

    0,8508

    MTEB

    Публичная таблицадругая ревизия

  • quora

    ndcg_at_1000 · выше — лучше

    Результат

    89,33

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • LEMBPasskeyRetrieval

    main_score

    Результат

    0,14

    MTEB

    Публичная таблицадругая ревизия

  • SIB200ClusteringS2S

    main_score

    Результат

    0,1991

    Общий результат 0,5471
    MTEB

    Публичная таблицадругая ревизия

  • MultiEURLEXMultilabelClassification

    main_score

    Результат

    0,0605

    MTEB

    Публичная таблицадругая ревизия

  • STS22.v2

    main_score

    Результат

    0,8309

    MTEB

    Публичная таблицадругая ревизия

  • OPP115DataRetentionLegalBenchClassification

    main_score

    Результат

    0,5795

    MTEB

    Публичная таблицадругая ревизия

  • MLQARetrieval

    main_score

    Результат

    0,7977

    Общий результат 0,6795
    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentClassification

    main_score

    Результат

    0,7138

    Общий результат 0,7567
    MTEB

    Публичная таблицадругая ревизия

  • Tatoeba

    main_score

    Результат

    0,9454

    MTEB

    Публичная таблицадругая ревизия

  • MultiLongDocRetrieval

    main_score

    Результат

    0,2893

    MTEB

    Публичная таблицадругая ревизия

  • GeorgianFAQRetrieval

    main_score

    Результат

    0,5459

    MTEB

    Публичная таблицадругая ревизия

  • mteb/twitterurlcorpus-pairclassification

    max_accuracy

    Результат

    89,8475

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • NusaX-senti

    main_score

    Результат

    0,8763

    MTEB

    Публичная таблицадругая ревизия

  • BrightRetrieval

    main_score

    Результат

    0,2335

    MTEB

    Публичная таблицадругая ревизия

  • trec-covid

    recall_at_5 · выше — лучше

    Результат

    1,074

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • MSMARCOHardNegatives

    main_score

    Результат

    0,6718

    MTEB

    Публичная таблицадругая ревизия

  • mteb/medrxiv-clustering-p2p

    v_measure

    Результат

    36,5215

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • CUADInsuranceLegalBenchClassification

    main_score

    Результат

    0,9146

    MTEB

    Публичная таблицадругая ревизия

  • CUREv1

    main_score

    Результат

    0,6634

    MTEB

    Публичная таблицадругая ревизия

  • webis-touche2020

    precision_at_1 · выше — лучше

    Результат

    36,735

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • CUADMostFavoredNationLegalBenchClassification

    main_score

    Результат

    0,8125

    MTEB

    Публичная таблицадругая ревизия

  • STS12

    main_score

    Результат

    0,7734

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLReranking

    main_score

    Результат

    0,7061

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GritLM-7B — языковая модель ContextualAI, дообученная на основе Mistral-7B-v0.1 с помощью метода GRIT. Она объединяет генерацию текста и получение текстовых представлений: подходит для диалогов и задач, где нужны эмбеддинги или оценки релевантности. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно 32 768 токенов.

Модель предназначена для использования как в генеративных сценариях, так и в задачах представления текста, включая поиск и ранжирование. В репозитории доступны веса PyTorch и Safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • ведение диалога и генерация ответов
  • получение эмбеддингов текстов
  • поиск документов по смыслу
  • оценка релевантности результатов поиска
  • классификация текста

Ограничения

README не описывает конкретные ограничения качества или области применения модели. Модель унаследовала основу Mistral-7B-v0.1 и ограничена контекстом в 32 768 токенов.

Для каких профессий подходит15

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 Summary

GritLM is a generative representational instruction tuned language model. It unifies text representation (embedding) and text generation into a single model achieving state-of-the-art performance on both types of tasks.

ModelDescription
GritLM 7BMistral 7B finetuned using GRIT
GritLM 8x7BMixtral 8x7B finetuned using GRIT

Use

The model usage is documented here.

Citation

@misc{muennighoff2024generative,
      title={Generative Representational Instruction Tuning}, 
      author={Niklas Muennighoff and Hongjin Su and Liang Wang and Nan Yang and Furu Wei and Tao Yu and Amanpreet Singh and Douwe Kiela},
      year={2024},
      eprint={2402.09906},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
cb7f7ff

0 моделей