/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
25,8 ГБ
Лицензия
CC BY-NC-SA 4.0
Архитектура
mixtral · MoE
Опубликована
6 фев 2024

RAG-KO-Mixtral-7Bx2-v2.0

Генерация текстаТекст → текст3 профессии

Дообученная корейская модель Mixtral для генерации ответов в RAG-сценариях.

26скачиваний за 30 дней1лайквеса обновлены8 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

RAG-KO-Mixtral-7Bx2-v2.0 — модель MarkrAI, дообученная методом instruction tuning с QLoRA на базе DopeorNope/Ko-Mixtral-v1.4-MoE-7Bx2. Это языковая модель архитектуры Mixtral с разреженной экспертной структурой (MoE), предназначенная для генерации текста в сценариях Retrieval-Augmented Generation (RAG) на корейском языке и в нескольких предметных областях.

Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Для настройки использовался частный датасет HumanF-MarkrAI/Korean-RAG-ver2; веса опубликованы в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях с запретом коммерческого использования.

Карточка не содержит результатов бенчмарков, поэтому качество модели для конкретных задач не подтверждено опубликованными оценками. Она подходит для экспериментального создания корейских RAG-приложений, но фактическую точность ответов следует проверять на собственных данных.

Сценарии применения

  • ответы на вопросы по корейским документам в RAG-системе
  • генерация корейских ответов с использованием найденных фрагментов
  • создание прототипа многоотраслевого корейского помощника

Ограничения

В README не приведены результаты бенчмарков, поэтому качество модели для конкретных задач не подтверждено опубликованными оценками. Обучение проводилось на частном датасете, что ограничивает возможность оценить его состав по карточке.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MarkrAI/RAG-KO-Mixtral-7Bx2-v2.0

Model Details

Model Developers

MarkrAI - AI Researchers

Base Model

DopeorNope/Ko-Mixtral-v1.4-MoE-7Bx2.

Instruction tuning Method

Using QLoRA.

4-bit quantization
Lora_r: 64
Lora_alpha: 64
Lora_dropout: 0.05
Lora_target_modules: [embed_tokens, q_proj, k_proj, v_proj, o_proj, gate, w1, w2, w3, lm_head]

Hyperparameters

Epoch: 5
Batch size: 64
Learning_rate: 1e-5
Learning scheduler: linear
Warmup_ratio: 0.06

Datasets

Private datasets: HumanF-MarkrAI/Korean-RAG-ver2

Aihub datasets 활용하여서 제작함.  

Implmentation Code

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

repo = "MarkrAI/RAG-KO-Mixtral-7Bx2-v2.0"
markrAI_RAG = AutoModelForCausalLM.from_pretrained(
        repo,
        return_dict=True,
        torch_dtype=torch.float16,
        device_map='auto'
)
markrAI_RAG_tokenizer = AutoTokenizer.from_pretrained(repo)

Model Benchmark

  • Coming soon...

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
9171d44

0 моделей