/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Базовая модель
M7-7b
Опубликована
1 апр 2024

NeuralStock-7B

Генерация текстаТекст → текст7 профессий

NeuralStock-7B — объединённая модель Mistral на 7,1 млрд параметров для генерации текста и диалогов с контекстом до 32 768 токенов.

18скачиваний за 30 дней0лайковвеса обновлены2 апр 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

NeuralStock-7B — объединённая языковая модель семейства Mistral, созданная Kukedlc с помощью LazyMergekit из liminerity/M7-7b, Gille/StrangeMerges_32-7B-slerp и automerger/YamShadow-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста и диалогов.

Модель принимает текст и выдаёт текст. Заявленная длина контекста составляет 32 768 токенов. В README указаны метод объединения model_stock и формат весов bfloat16; репозиторий содержит файлы safetensors. Данные не устанавливают специализированные области применения или основной язык.

Карточка не сообщает результатов оценки качества или известных ограничений, поэтому пригодность для конкретных сценариев следует проверять отдельно. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • написание и продолжение текстов
  • создание черновиков и формулировок
  • локальный запуск языковой модели для генерации текста

Ограничения

В данных нет результатов оценки качества или сведений о специализированных возможностях, поэтому качество для конкретной задачи нужно проверять отдельно. Лицензия не указана.

Для каких профессий подходит7

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

NeuralStock-7B

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

🧩 Configuration

slices:
  - sources:
      - model: liminerity/M7-7b
        layer_range: [0, 32]
      - model: Gille/StrangeMerges_32-7B-slerp
        layer_range: [0, 32]
      - model: automerger/YamShadow-7B
        layer_range: [0, 32]
merge_method: model_stock
base_model: liminerity/M7-7b
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/NeuralStock-7B"
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
ad9015f

0 моделей