/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Архитектура
mistral · dense
Базовая модель
Pearl-7B-slerp
Опубликована
17 фев 2024

Neural-4-GSM8K-7B-slerp

Генерация текстаТекст → текст3 профессии

Слитая 7-миллиардная модель Mistral для генерации текста и решения математических задач GSM8K.

19скачиваний за 30 дней0лайковвеса обновлены17 фев 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

Neural-4-GSM8K-7B-slerp — слитая модель генерации текста, созданная с помощью LazyMergekit из louisbrulenaudet/Pearl-7B-slerp и Eric111/Mayo методом SLERP. Это плотная MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов, сохранённая в формате safetensors. Модель предназначена для генерации текста и решения математических задач, в частности задач GSM8K.

В конфигурации слияния для слоёв внимания и MLP заданы отдельные веса смешивания; базовой указана louisbrulenaudet/Pearl-7B-slerp. Карточка не приводит результатов оценки качества, поэтому пригодность для конкретных математических задач следует проверять на собственных примерах. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • решение текстовых математических задач
  • пошаговое объяснение арифметических задач
  • генерация ответов на математические вопросы

Ограничения

В карточке не приведены результаты оценки качества, поэтому точность решения задач не подтверждена. Лицензия не указана в предоставленных данных.

Для каких профессий подходит3

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

Neural-4-GSM8K-7B-slerp

Neural-4-GSM8K-7B-slerp is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  - sources:
      - model: louisbrulenaudet/Pearl-7B-slerp
        layer_range: [0, 32]
      - model: Eric111/Mayo
        layer_range: [0, 32]
merge_method: slerp
base_model: louisbrulenaudet/Pearl-7B-slerp
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 = "Kukedlc/Neural-4-GSM8K-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"])

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
e42653e

0 моделей