/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
17,6 млрд
Размер весов
35,4 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
SOLAR-10.7B-v1.0
Опубликована
1 мая 2024

Aqueducts-18B

Генерация текстаТекст → текст3 профессии

Экспериментальная модель Mistral на 17,6 млрд параметров для генерации текста, полученная стековым слиянием моделей Mistral и SOLAR.

20скачиваний за 30 дней5лайковвеса обновлены1 мая 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

Aqueducts 18B — экспериментальная текстовая модель, созданная MarsupialAI с помощью сложного стекового слияния преимущественно моделей на основе Mistral и SOLAR. В метаданных указаны архитектура Mistral, 17,6 млрд параметров и базовая модель upstage/SOLAR-10.7B-v1.0; README описывает объединение с повторным использованием входных и выходных слоёв и градиентным слиянием для сокращения числа слоёв.

Модель предназначена для генерации текста и развлекательного использования. Заявлена длина контекста 32 768 токенов и поддержка английского языка. Автор отмечает, что результаты слияния оценивались субъективно и не подтверждены строгими тестами; модель может генерировать нежелательный контент, а её фактическим утверждениям не следует доверять без проверки. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Сценарии применения

  • генерация текста на английском языке
  • подготовка черновиков и продолжение текста
  • эксперименты со стековым слиянием языковых моделей

Ограничения

Качество слияния оценено субъективно и не подтверждено строгими тестами; модель может генерировать нежелательный контент, а её утверждения требуют проверки. Коммерческое использование запрещено лицензией CC BY-NC 4.0.

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

Aqueducts 18B

image/jpeg

A feindishly complex stack-megamerge consisting of mostly mistral/solar-based models. This proof-of-concept stack is intended to demonstrate the correct way to build up from 7b to 18b while maintaining coherency/intelligence and minimizing repetition/jank.

image/jpeg

This isn't my recipe. This was engineered by FM, so the credit/blame is his. Here is how he explains what's going on here:

"Stack" merging exists as an alternative to straight up merging of models; its general idea comes from the fact that in a stacked arrangement the models will preserve their weights better than when merged in any way. Unfortunately, the results are often not so predictable as we'd wish them to be, and the models end up losing their crucial capabilities, thus invalidating the whole point of preserving them in the first place.

In the irregular iterative experiments (Jan-Apr '24), some conclusions were reached:

  1. The naive "Frankenmerge" stacking of the slices of models doesn't preserve the input and the output layers of the participating models; however, if said layers are merged prior and reused for the whole stacked model, the capabilities of the used momdels appear to be restored, if partially.
  2. The often overlooked gradient merge, while not enhancing the simple merges of models much, proves crucial in saving space (layers) when attempting to stack models "lengthwise". In this recipe, the target was to approximate the prompt passing within the internal layers of three 11B models, fit within the space for two. Straight stacking of 3 such models would've produced a model of 22B parameters with 96 layers, while this construction allows us to use just 80.

Note: the results achieved are mostly subjetive and not confirmed by the rigorous testing. Note 2: for the gradient merging of 11B models, it's highly advisable to study their structure; since at inception, it is made of layers of a duplicate 7B model, it is preferrable to merge the layer slices that align with each other internally. This will become irrelevant soon because Solar old.

See recipe.yml if you want to examine the madness in detail.

This model is uncensored and capable of generating objectionable material. As with any LLM, no factual claims made by the model should be taken at face value. You know that boilerplate safety disclaimer that most professional models have? Assume this has it too. This model is for entertainment purposes only.

GGUFs: https://huggingface.co/MarsupialAI/Aqueducts-18B_iMatrix_GGUF

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
88130fd

0 моделей