/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
29 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
28 ноя 2023

Mistral-7B-v0.1-colab-sharded

Генерация текстаТекст → текст5 профессий

Перешардированная базовая Mistral-7B-v0.1 для генерации текста и более удобной загрузки на машинах с ограниченной оперативной памятью.

14скачиваний за 30 дней2лайкавеса обновлены28 ноя 2023

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

Это перешардированная версия Mistral-7B-v0.1 от команды Mistral AI: веса разделены на шесть файлов вместо двух, чтобы упростить загрузку модели на машинах с ограниченной оперативной памятью, например в бесплатной среде Google Colab. Модель содержит 7,1 млрд параметров и предназначена для генерации текста на основе предварительно обученной трансформерной языковой модели; её архитектура включает Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Контекст составляет до 32 768 токенов.

Модель подходит как базовая для генерации продолжений текста и экспериментов с языковыми моделями. Это не чат-модель с настроенными механизмами модерации: карточка предупреждает, что у неё нет встроенных средств модерации. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0.

Сценарии применения

  • генерация продолжения текста
  • загрузка базовой Mistral-7B в Google Colab с ограниченной памятью
  • эксперименты с предварительно обученной языковой моделью
  • создание производной модели на базе Mistral-7B

Ограничения

Модель предварительно обучена и не настроена как диалоговый ассистент; в ней нет встроенных механизмов модерации. Перешардирование облегчает загрузку, но само по себе не уменьшает общий размер весов или требования к вычислениям.

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 for Mistral-7B-v0.1-colab-sharded

This model is a re-sharded version of Mistral-7B-v0.1, with more shard (6 instead of 2), that enable an easier loading on machine that don't have a lot of RAM such a free version of Google Colab.

The original model can be found here : https://huggingface.co/mistralai/Mistral-7B-v0.1

Model Description

The Mistral-7B-v0.1 Large Language Model (LLM) is a pretrained generative text model with 7 billion parameters. Mistral-7B-v0.1 outperforms Llama 2 13B on all benchmarks we tested.

For full details of this model please read the paper and release blog post.

Model Architecture

Mistral-7B-v0.1 is a transformer model, with the following architecture choices:

  • Grouped-Query Attention
  • Sliding-Window Attention
  • Byte-fallback BPE tokenizer

Troubleshooting

  • If you see the following error:
KeyError: 'mistral'
  • Or:
NotImplementedError: Cannot copy out of meta tensor; no data!

Ensure you are utilizing a stable version of Transformers, 4.34.0 or newer.

Notice

Mistral 7B is a pretrained base model and therefore does not have any moderation mechanisms.

The Mistral AI Team

Albert Jiang, Alexandre Sablayrolles, Arthur Mensch, Chris Bamford, Devendra Singh Chaplot, Diego de las Casas, Florian Bressand, Gianna Lengyel, Guillaume Lample, Lélio Renard Lavaud, Lucile Saulnier, Marie-Anne Lachaux, Pierre Stock, Teven Le Scao, Thibaut Lavril, Thomas Wang, Timothée Lacroix, William El Sayed.

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
3a3a7a3

0 моделей