/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Архитектура
mistral · dense
Базовая модель
Neural4gsm8k
Опубликована
16 мар 2024

NeuralMaths-7B-slerp

Генерация текстаТекст → текст3 профессии

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста и решения математических задач.

21скачиваний за 30 дней1лайквеса обновлены16 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

NeuralMaths-7B-slerp — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из Kukedlc/Neural4gsm8k, PetroGPT/WestSeverus-7B-DPO и samir-fama/FernandoGPT-v1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Она предназначена для генерации текста и решения задач на рассуждение, в том числе математических. Может применяться для ответов на математические вопросы и генерации решений в диалоговых или текстовых сценариях.

В репозитории указаны веса в формате safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • решение математических задач по текстовому условию
  • генерация пошаговых математических объяснений
  • ответы на вопросы по математике
  • генерация текста в диалоговых сценариях

Ограничения

Языковая поддержка и лицензия не определены по предоставленным данным. Как и другие генеративные модели, может выдавать ошибочные решения или объяснения.

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

NeuralMaths-7B-slerp

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

🧩 Configuration

models:
  - model: Kukedlc/Neural4gsm8k
    parameters:
      density: [1, 0.7, 0.1] # density gradient
      weight: 1.0
  - model: PetroGPT/WestSeverus-7B-DPO
    parameters:
      density: 0.5
      weight: [0, 0.3, 0.7, 1] # weight gradient
  - model: samir-fama/FernandoGPT-v1
    parameters:
      density: 0.33
      weight:
        - filter: mlp
          value: 0.5
        - value: 0
merge_method: ties
base_model: liminerity/M7-7b
parameters:
  normalize: true
  int8_mask: true
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Kukedlc/NeuralMaths-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
96a2aea

0 моделей