/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Базовая модель
dolphin-2.6-mistral-7b-dpo-laser
Опубликована
10 фев 2024

Lily-MoE-2x7b

Генерация текстаТекст → текст

Объединённая языковая модель Mixtral MoE с 7,1 млрд параметров для генерации текста в контексте до 32 768 токенов.

21скачиваний 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

Lily-MoE-2x7b — языковая модель архитектуры Mixture of Experts на базе Mixtral, созданная автором репозитория путём объединения cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser и LunaticPython161/CyberWitch-7B с помощью LazyMergekit. Модель предназначена для генерации текста; она содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов.

Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает целевые языки и специализированные области применения.

Сценарии применения

  • генерация ответов на текстовые запросы
  • составление черновиков и продолжение текста
  • генерация текста с длинным контекстом

Ограничения

Карточка не приводит оценок качества или подробных ограничений применения. Поддерживаемые языки и специализированные области использования не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Lily-MoE-2x7b

Lily-MoE-2x7b is a Mixure of Experts (MoE) made with the following models using LazyMergekit:

🧩 Configuration

base_model: cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser
gate_mode: hidden # one of "hidden", "cheap_embed", or "random"
dtype: bfloat16 # output dtype (float32, float16, or bfloat16)
experts:
  - source_model: cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser
    positive_prompts:
    - "chat"
    - "assistant"
    - "tell me"
    - "explain"
    - "code"
    - "programming"
  - source_model: LunaticPython161/CyberWitch-7B
    positive_prompts:
    - "solve"
    - "count"
    - "math"
    - "mathematics"
    - "algorithm"
    - "cypher"
    - "cybersecurity"
    - "penetration testing"
    - "red team"
    - "blue team"
    - "hacking"

💻 Usage

!pip install -qU transformers bitsandbytes accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "LunaticPython161/Lily-MoE-2x7b"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    model_kwargs={"torch_dtype": torch.float16, "load_in_4bit": True},
)

messages = [{"role": "user", "content": "Explain what a Mixture of Experts is in less than 100 words."}]
prompt = pipeline.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
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
MixtralForCausalLM
Ревизия весов
bfd3224

0 моделей