/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
MIT
Архитектура
mistral · dense
Базовая модель
mamba_0_75_sft
Опубликована
18 июл 2024

mamba_0_875_sft

Генерация текстаТекст → текст4 профессии

Дообученная 7,1-миллиардная модель Mistral для диалоговой генерации текста с контекстом до 32 768 токенов.

17скачиваний за 30 дней0лайковвеса обновлены19 июл 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

JunxiongWang/mamba_0_875_sft — текстовая генеративная модель на архитектуре Mistral, дообученная разработчиком JunxiongWang на наборе JunxiongWang/sftdataset поверх JunxiongWang/mamba_0_75_sft. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для диалоговой генерации текста.

Модель может использоваться для создания ответов в чатах и генерации продолжений текста. В README приведено значение loss 0,5037 на оценочном наборе, но дополнительные сведения о сценариях применения и результатах оценки не раскрыты. Лицензия — MIT.

Сценарии применения

  • генерация ответов в диалоге
  • создание продолжений текста
  • прототипирование чат-бота

Ограничения

README не описывает конкретные ограничения и целевые сценарии; приведён только loss 0,5037 на оценочном наборе, без дополнительных деталей методики.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Please check here for details.

mamba_0_875_sft

This model is a fine-tuned version of JunxiongWang/mamba_0_75_sft on the JunxiongWang/sftdataset dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5037

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.01
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.61171.0550640.5037

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.1.0+cu118
  • Datasets 2.20.0
  • Tokenizers 0.19.1

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
453c20d

0 моделей