Характеристики

Контекст: 131 072 токена
Параметры: 3,2 млрд
Размер весов: 7,2 ГБ
Архитектура: llama · dense
Базовая модель: mergekit-ties-xflmond
Библиотека: transformers
Опубликована: 3 дек 2024

Ссылки

mergekit-linear-rfxmzdf

Генерация текстаТекст → текст6 профессий

Объединённая модель Llama на 3,2 млрд параметров для генерации текста и диалоговых ответов с контекстом до 131 072 токенов.

19скачиваний за 30 дней0лайковвеса обновлены3 дек 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Это объединённая диалоговая языковая модель семейства Llama, созданная с помощью mergekit линейным слиянием нескольких моделей. В качестве базовой использована huihui-ai/Llama-3.2-3B-Instruct-abliterated; в слияние вошли модели Hjgugugjhuhjggg/mergekit-ties-xflmond, Hjgugugjhuhjggg/mergekit-ties-kmlzhzo, Hjgugugjhuhjggg/mergekit-ties-pghuyfi, Hjgugugjhuhjggg/mergekit-ties-qgcitfu, Hjgugugjhuhjggg/mergekit-ties-poovzrh и Hjgugugjhuhjggg/mergekit-ties-dkhnzcn.

Модель предназначена для генерации текста и диалоговых ответов. Она содержит 3,2 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста составляет 131 072 токена. Репозиторий использует Transformers и формат safetensors; метаданные также отмечают интерфейс вызова инструментов.

Карточка не приводит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество, языковой охват и ограничения слияния отдельно не описаны.

Сценарии применения

генерация ответов в чате
продолжение и составление текста
диалоговое взаимодействие с интерфейсом вызова инструментов

Ограничения

Карточка не сообщает лицензию, поддерживаемые языки или результаты оценки качества. Возможности вызова инструментов указаны в метаданных, но конкретный формат и надёжность этого интерфейса не описаны.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the linear merge method using huihui-ai/Llama-3.2-3B-Instruct-abliterated as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

models:
  - layer_range: [0, 28]
    model: Hjgugugjhuhjggg/mergekit-ties-qgcitfu
    parameters:
      weight: 1
      density: 0.9
      gamma: 0.01
      normalize: true
      int8_mask: true
      random_seed: 0
      temperature: 0.5
      top_p: 0.65
      inference: true
      max_tokens: 999999999
      stream: true
      quantization:
        method: int8
        value: 100
      quantization:
        method: int4
        value: 100

  - layer_range: [0, 28]
    model: Hjgugugjhuhjggg/mergekit-ties-dkhnzcn
    parameters:
      weight: 1
      density: 0.9
      gamma: 0.01
      normalize: true
      int8_mask: true
      random_seed: 0
      temperature: 0.5
      top_p: 0.65
      inference: true
      max_tokens: 999999999
      stream: true
      quantization:
        method: int8
        value: 100
      quantization:
        method: int4
        value: 100

  - layer_range: [0, 28]
    model: Hjgugugjhuhjggg/mergekit-ties-poovzrh
    parameters:
      weight: 1
      density: 0.9
      gamma: 0.01
      normalize: true
      int8_mask: true
      random_seed: 0
      temperature: 0.5
      top_p: 0.65
      inference: true
      max_tokens: 999999999
      stream: true
      quantization:
        method: int8
        value: 100
      quantization:
        method: int4
        value: 100

  - layer_range: [0, 28]
    model: Hjgugugjhuhjggg/mergekit-ties-pghuyfi
    parameters:
      weight: 1
      density: 0.9
      gamma: 0.01
      normalize: true
      int8_mask: true
      random_seed: 0
      temperature: 0.5
      top_p: 0.65
      inference: true
      max_tokens: 999999999
      stream: true
      quantization:
        method: int8
        value: 100
      quantization:
        method: int4
        value: 100

  - layer_range: [0, 28]
    model: Hjgugugjhuhjggg/mergekit-ties-kmlzhzo
    parameters:
      weight: 1
      density: 0.9
      gamma: 0.01
      normalize: true
      int8_mask: true
      random_seed: 0
      temperature: 0.5
      top_p: 0.65
      inference: true
      max_tokens: 999999999
      stream: true
      quantization:
        method: int8
        value: 100
      quantization:
        method: int4
        value: 100

  - layer_range: [0, 28]
    model: Hjgugugjhuhjggg/mergekit-ties-xflmond
    parameters:
      weight: 1
      density: 0.9
      gamma: 0.01
      normalize: true
      int8_mask: true
      random_seed: 0
      temperature: 0.5
      top_p: 0.65
      inference: true
      max_tokens: 999999999
      stream: true
      quantization:
        method: int8
        value: 100
      quantization:
        method: int4
        value: 100


merge_method: linear
base_model: huihui-ai/Llama-3.2-3B-Instruct-abliterated
weight: 1
density: 0.9
gamma: 0.01
normalize: true
int8_mask: true
random_seed: 0
temperature: 0.5
top_p: 0.65
inference: true
max_tokens: 999999999
stream: true
quantization:
method: int8
value: 100
quantization:
method: int4
value: 100
dtype: float16
parameters:
    weight: 1
    density: 0.9
    gamma: 0.01
    normalize: true
    int8_mask: true
    random_seed: 0
    temperature: 0.5
    top_p: 0.65
    inference: true
    max_tokens: 999999999
    stream: true
    quantization:
      method: int8
      value: 100
    quantization:
      method: int4
      value: 100

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: LlamaForCausalLM
Ревизия весов: c2e70d7