/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
NeuralGlitch-Yam-Peleg-7B-DT
Опубликована
7 мар 2024

NeuralKrishna-7B-v3

Генерация текстаТекст → текст13 профессий

Объединённая 7,1-миллиардная модель Mistral для генерации текста и решения задач на рассуждение, включая математические вопросы.

66скачиваний за 30 дней1лайквеса обновлены29 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

NeuralKrishna-7B-v3 — объединённая модель для генерации текста, созданная Kukedlc с помощью LazyMergekit. В конфигурации указана база mlabonne/Monarch-7B и слияние методом DARE-TIES с NeuralGlitch-Yam-Peleg-7B-DT, Fasciculus-Arcuatus-7B-slerp и Neural4gsm8k; веса сохранены в формате bfloat16. Метаданные указывают архитектуру Mistral с плотной сетью из 7,1 млрд параметров и контекстом до 32 768 токенов.

Модель предназначена для генерации текста и может быть полезна для диалогов и решения задач на рассуждение, включая математические вопросы, благодаря включённой в слияние Neural4gsm8k. Поддерживаемый язык в источниках не указан. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста по запросу
  • поддержка диалогов с языковой моделью
  • решение математических задач
  • получение ответов на вопросы с рассуждением

Ограничения

Слияние нескольких моделей не гарантирует одинакового качества во всех задачах; README не приводит результатов оценки или сравнительных тестов.

Для каких профессий подходит13

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

NeuralKrishna-7B-v3

NeuralKrishna-7B-v3 is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: mlabonne/Monarch-7B
    # no parameters necessary for base model
  - model: Kukedlc/NeuralGlitch-Yam-Peleg-7B-DT
    parameters:
      density: 0.65
      weight: 0.36
  - model: Kukedlc/Fasciculus-Arcuatus-7B-slerp
    parameters:
      density: 0.6
      weight: 0.34
  - model: Kukedlc/Neural4gsm8k
    parameters:
      density: 0.6
      weight: 0.3
merge_method: dare_ties
base_model: mlabonne/Monarch-7B
parameters:
  int8_mask: true
dtype: bfloat16
random_seed: 0

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Kukedlc/NeuralKrishna-7B-v3"
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
3e3e312

0 моделей