/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
nous_nous_v2_0
Опубликована
16 фев 2024

A-I-0xtom-7B-slerp

Генерация текстаТекст → текст9 профессий

Объединённая модель Llama на 7,1 млрд параметров для диалоговой генерации текста с контекстом до 32 768 токенов.

54скачиваний за 30 дней0лайковвеса обновлены4 мар 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

A-I-0xtom-7B-slerp — объединённая языковая модель, созданная автором репозитория с помощью LazyMergekit методом SLERP из 0x0dad0/nous_nous_v2_0 и tomaszki/nous-thirty. Это плотная авторегрессионная модель семейства Llama с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Заявленная длина контекста — 32 768 токенов; веса опубликованы в формате SafeTensors, конфигурация слияния использует bfloat16.

Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В README приведены результаты оценки на бенчмарках рассуждений и понимания текста, а также средняя оценка потерь; эти показатели сами по себе не гарантируют качество в конкретном применении. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом чат-боте
  • продолжение пользовательского текста
  • создание черновиков и кратких текстов
  • ответы на вопросы в текстовом интерфейсе

Ограничения

README не описывает конкретные ограничения или меры безопасности. Результаты бенчмарков не гарантируют качество для отдельных сценариев.

Для каких профессий подходит9

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

A-I-0xtom-7B-slerp

A-I-0xtom-7B-slerp is a merge of the following models using LazyMergekit:

Avg model loss 0.3912096044793725

I used this testing script that loads your local model, pulls the latest data from cortex and calculates the loss: avg loss script

🧩 Configuration

slices:
  - sources:
      - model: 0x0dad0/nous_nous_v2_0
        layer_range: [0, 32]
      - model: tomaszki/nous-thirty
        layer_range: [0, 32]
merge_method: slerp
base_model: 0x0dad0/nous_nous_v2_0
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "InnerI/A-I-0xtom-7B-slerp"
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.60.46
AI2 Reasoning Challenge (25-Shot)58.19
HellaSwag (10-Shot)77.64
MMLU (5-Shot)58.74
TruthfulQA (0-shot)54.78
Winogrande (5-shot)73.24
GSM8k (5-shot)40.18

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
39d2228

0 моделей