/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
12,3 млрд
Размер весов
25 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
31 мар 2024

Mistral-12.25B-v0.2

Генерация текстаТекст → текст8 профессий

Плотная языковая модель Mistral на 12,3 млрд параметров, увеличенная методом depth-up scaling для генерации текста и дальнейшего дообучения.

61скачиваний за 30 дней1лайквеса обновлены3 апр 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

Mistral-12.25B-v0.2 — плотная авторегрессионная языковая модель семейства Mistral, созданная Joseph717171 методом depth-up scaling на основе alpindale/Mistral-7B-v0.2-hf. Слои исходной модели переставлены методом passthrough mergekit: конфигурация README задаёт 56 слоёв, а метаданные указывают 12,3 млрд параметров и контекст до 32 768 токенов.

Модель предназначена для дальнейшего дообучения и как замена Mistral-7B-v0.2 в сценариях генерации текста. README описывает её как эксперимент для сравнения вариантов depth-up scaling; оптимальность выбранных параметров не установлена. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на основе запроса
  • создание основы для дальнейшего дообучения
  • экспериментальное сравнение вариантов depth-up scaling
  • замена Mistral-7B-v0.2 в приложениях генерации текста

Ограничения

README отмечает, что оптимальность параметров depth-up scaling не установлена, а сравнительные эксперименты ограничивались доступными вычислительными ресурсами. Данных о поддерживаемых естественных языках нет.

Для каких профессий подходит8

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

Credit for the model card's description goes to ddh0 and mergekit

Credit for access and conversion of Mistral-7B-v0.2 goes to alpindale (from MistalAI's weights to HF Transformers)

Mistral-12.25B-v0.2

This is Mistral-12.25B-v0.2, a depth-upscaled version of alpindale/Mistral-7B-v0.2-hf.

This model is intended to be used as a basis for further fine-tuning, or as a drop-in upgrade from the original 7 billion parameter model.

Paper detailing how Depth-Up Scaling works: SOLAR 10.7B: Scaling Large Language Models with Simple yet Effective Depth Up-Scaling

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

UpStage's conclusionary limitations of their research:

"Our study on the Depth Up-Scaling (DUS) has important limitations and considerations. One key limitation is the need for more thorough explorations of hyperparameters used in the DUS approach. Namely, we removed m = 8 layers from both ends of our base model, primarily due to hardware limitations. However, we have not yet determined if this value is optimal for enhancing performance. The extended time and cost of continued pretraining made it challenging to conduct more comprehensive experiments, which we aim to address in future work through various comparative analyses."

This model was made to help test whether 10.7B parameters (m = 8) is better or worse than m < 8 (10.7B+ parameters)

Merge Details

Merge Method

This model was merged using the passthrough merge method.

Models Merged

The following models were included in the merge:

  • /Users/jsarnecki/opt/Workspace/alpindale/Mistral-7B-v0.2-hf

Configuration

The following YAML configuration was used to produce this model:

dtype: bfloat16
merge_method: passthrough
# Depth UpScaled (DUS) version of Mistral-7B-v0.2
# where m = 4 (The number of layers to remove from the model)
#       s = 56 (The number of layers the model will have after the DUS)
slices:
- sources:
  - layer_range: [0, 28]
    model: /Users/jsarnecki/opt/Workspace/alpindale/Mistral-7B-v0.2-hf
- sources:
  - layer_range: [4, 32]
    model: /Users/jsarnecki/opt/Workspace/alpindale/Mistral-7B-v0.2-hf 

exllama (Thanks to blockblockblock)

https:// huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-vO.2-bpw2.5 https://huggingtace.co/blockblockblock/ Mistral-12.25B-Instruct-v0.2-bpw3 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-vO.2-bpw3.5 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-vO.2-bpw3.7 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-vO.2-bpw4 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-v0.2-bpw4.2 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-v0.2-bpw4.4 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-v0.2-bpw4.6 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-vO.2-bpw4.8 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-v0.2-bpw5 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-vO.2-bpw5.5 https://huggingface.co/blockblockblock/ Mistral-12.25B-Instruct-v0.2-bpw6

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
08e6a26

0 моделей