/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
NeuralKybalion-7B-slerp
Опубликована
14 мар 2024

NeuralKybalion-7B-slerp-v3

Генерация текстаТекст → текст13 профессий

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

18скачиваний за 30 дней3лайкавеса обновлены15 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

NeuralKybalion-7B-slerp-v3 — объединённая модель, созданная Kukedlc с помощью LazyMergekit на основе трёх моделей NeuralKybalion и experiment26-truthy-iter-0. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленный контекст составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста по текстовой инструкции
  • продолжение заданного текста
  • подготовка черновиков и вариантов формулировок

Ограничения

README не описывает специальные навыки модели или результаты оценки качества; её ответы следует проверять на точность и соответствие запросу.

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

NeuralKybalion-7B-slerp-v3

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

🧩 Configuration

models:
  - model: Kukedlc/NeuralKybalion-7B-slerp
    # no parameters necessary for base model
  - model: Kukedlc/NeuralKybalion-7B-slerp
    parameters:
      density: 0.6
      weight: 0.4
  - model: Kukedlc/NeuralKybalion-7B-slerp-v2
    parameters:
      density: 0.6
      weight: 0.4
  - model: rwitz/experiment26-truthy-iter-0
    parameters:
      density: 0.4
      weight: 0.2
merge_method: dare_ties
base_model: Kukedlc/NeuralKybalion-7B-slerp
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/NeuralKybalion-7B-slerp-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
fcc7c0d

0 моделей