Характеристики

Контекст: 32 768 токенов
Параметры: 215 млн
Лицензия: Apache 2.0
Архитектура: mistral · dense
Опубликована: 19 дек 2023

Ссылки

Hugging Face

TinyMistral-248M-v2

Locutusque

Генерация текстаТекст → текст3 профессии

Компактная модель на архитектуре Mistral для генерации текста с контекстом до 32 768 токенов.

715скачиваний за 30 дней17лайковвеса обновлены8 янв 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Locutusque/TinyMistral-248M-v2 — компактная языковая модель Locutusque для генерации текста на базе архитектуры Mistral. Модель содержит 215,2 млн параметров, принимает текст и имеет контекст длиной до 32 768 токенов.

Модель обучена на наборах Skylion007/openwebtext и Locutusque/TM-DATA; обучение заняло около 500 часов на GPU Titan V. Карточка сообщает о высоком результате на TruthfulQA, однако не приводит численных метрик или подробностей методики оценки. Модель подходит для экспериментов и задач генерации текста, где важен небольшой размер.

Репозиторий содержит веса PyTorch и SafeTensors. Лицензия — Apache-2.0.

Сценарии применения

генерация продолжений текста
создание черновиков и коротких текстов
эксперименты с компактными языковыми моделями
проверка ответов на вопросы в стиле TruthfulQA

Ограничения

В карточке не приведены численные метрики TruthfulQA или подробности методики оценки, поэтому заявленное превосходство нельзя проверить по ней. Английский язык указан в метаданных; подтверждений поддержки других языков нет.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Training

This model was trained on two datasets, shown in this model page.

Skylion007/openwebtext: 1,000,000 examples at a batch size of 32-4096 (1 epoch)
Locutusque/TM-DATA: All examples at a batch size of 12288 (3 epochs) Training took approximately 500 GPU hours on a single Titan V.

Metrics

You can look at the training metrics here: https://wandb.ai/locutusque/TinyMistral-V2/runs/g0rvw6wc

🔥 This model performed excellently on TruthfulQA, outperforming models more than 720x its size. These models include: mistralai/Mixtral-8x7B-v0.1, tiiuae/falcon-180B, berkeley-nest/Starling-LM-7B-alpha, upstage/SOLAR-10.7B-v1.0, and more. 🔥

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: 0f57b17