/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
2 мар 2024

Ссылки

Hugging Face

INEX8-7B

MSL7
Генерация текстаТекст → текст9 профессий

INEX8-7B — объединённая 7,1-миллиардная модель Mistral для генерации текста с контекстом до 32 768 токенов.

58скачиваний за 30 дней1лайквеса обновлены11 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.

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

INEX8-7B — объединённая модель для генерации текста, созданная Liminerity с помощью Mergekit на основе liminerity/merge3 и yam-peleg/Experiment26-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; опубликована в формате Safetensors.

Модель подходит для генерации продолжений и ответов на текстовые запросы, а также для задач рассуждения и понимания текста. В карточке приведены результаты Open LLM Leaderboard: средняя оценка 76,44, ARC 73,29 и HellaSwag 89,19. Данных о поддерживаемых языках и специализированных областях применения карточка не приводит. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения текста
  • ответы на текстовые запросы
  • решение задач на рассуждение
  • генерация текста с длинным контекстом

Ограничения

Карточка не указывает языки и специализированные области применения. Приведены лишь отдельные результаты бенчмарков, поэтому они не описывают качество на всех задачах.

Для каких профессий подходит9

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MADE WITH LOVE BY LIMINERITY

INEX8-7B

INEX8-7B is a merge of the following models using mergekit:

🧩 Configuration

MODEL_NAME = "merge"
slices:
  - sources:
      - model: MSL7/INEX4-7b
        layer_range: [0, 32]
      - model: yam-peleg/Experiment24-7B
        layer_range: [0, 32]
merge_method: slerp
base_model: MSL7/INEX4-7b
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

MODEL_NAME = "merge1"
slices:
  - sources:
      - model: liminerity/merge
        layer_range: [0, 32]
      - model: CorticalStack/shadow-clown-7B-dare
        layer_range: [0, 32]
merge_method: slerp
base_model: liminerity/merge
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

MODEL_NAME = "merge2"
slices:
  - sources:
      - model: liminerity/merge1
        layer_range: [0, 32]
      - model: bardsai/jaskier-7b-dpo-v6.1
        layer_range: [0, 32]
merge_method: slerp
base_model: liminerity/merge1
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

MODEL_NAME = "merge3"
slices:
  - sources:
      - model: liminerity/merge2
        layer_range: [0, 32]
      - model: eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO
        layer_range: [0, 32]
merge_method: slerp
base_model: liminerity/merge2
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


MODEL_NAME: "INEX8-7b"
slices:
  - sources:
      - model: liminerity/merge3
        layer_range: [0, 32]
      - model: yam-peleg/Experiment26-7B
        layer_range: [0, 32]
merge_method: slerp
base_model: liminerity/merge3
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

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.76.44
AI2 Reasoning Challenge (25-Shot)73.29
HellaSwag (10-Shot)89.19
MMLU (5-Shot)64.47
TruthfulQA (0-shot)77.83
Winogrande (5-shot)84.85
GSM8k (5-shot)68.99

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
bc31767

0 моделей

    Создать бенчмарк