/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Архитектура
mistral · dense
Базовая модель
WizardMath-7B-V1.1
Опубликована
10 фев 2024

CyberWitch-7B

Генерация текстаТекст → текст

CyberWitch-7B — слитая Mistral-модель на 7,1 млрд параметров для генерации диалоговых ответов, в том числе по кибербезопасности и математике.

20скачиваний за 30 дней0лайковвеса обновлены10 фев 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

CyberWitch-7B — модель для генерации текста, созданная LunaticPython161 с помощью слияния WizardLM/WizardMath-7B-V1.1 и segolilylabs/Lily-Cybersecurity-7B-v0.2 методом SLERP через LazyMergekit. Это плотная авторегрессионная модель архитектуры MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Сочетание математической модели WizardMath и модели по кибербезопасности предназначено для диалоговых ответов и помощи по темам кибербезопасности, а также для задач, требующих математических рассуждений.

Базовая модель кибербезопасности ориентирована на английский язык; описание не подтверждает поддержку других языков. Веса представлены в формате safetensors и имеют тип bfloat16. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы по кибербезопасности
  • объяснение концепций и практик кибербезопасности
  • диалоговая помощь по математическим задачам
  • генерация текста с длинным контекстом

Ограничения

Качество и безопасность ответов не описаны; ответы по кибербезопасности следует проверять перед практическим применением. Лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CyberWitch-7B

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

🧩 Configuration

slices:
  - sources:
      - model: WizardLM/WizardMath-7B-V1.1
        layer_range: [0, 32]
      - model: segolilylabs/Lily-Cybersecurity-7B-v0.2
        layer_range: [0, 32]
merge_method: slerp
base_model: WizardLM/WizardMath-7B-V1.1
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 = "LunaticPython161/CyberWitch-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
d1afb24

0 моделей