/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
17 мар 2024

Calme-4x7B-MoE-v0.1

Генерация текстаТекст → текст10 профессий

Диалоговая модель Mixtral MoE для генерации связного текста, ответов на вопросы и решения задач на естественном языке.

8 703скачиваний за 30 дней2лайкавеса обновлены17 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.

Публичные оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4315

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2819

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3057

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5103

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4199

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0801

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Calme-4x7B-MoE-v0.1 — языковая модель MaziyarPanahi для генерации текста и диалогов. Она построена на архитектуре Mixture of Experts семейства Mixtral и объединяет четыре дообученные модели Calme-7B; в описании указано, что на каждый токен активируются два эксперта. Метаданные Hugging Face сообщают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; README приводит оценку общего числа параметров свыше 24 млрд.

Модель подходит для диалоговых приложений, ответов на вопросы, объяснений и задач рассуждения на естественном языке. В README приведены результаты ARC, HellaSwag и TruthfulQA, но качество может различаться в зависимости от задачи и формулировки запроса. Сведения о поддерживаемых языках и специализированной предметной области не приведены.

Модель выпущена под лицензией Apache-2.0. Карточка не содержит подробной оценки ограничений, поэтому результаты следует проверять в целевом сценарии.

Сценарии применения

  • создание диалогового помощника
  • ответы на вопросы на естественном языке
  • генерация связных объяснений и текстов
  • решение задач на общие знания и рассуждение

Ограничения

README не уточняет поддерживаемые языки и не приводит систематического описания ограничений; приведённые результаты тестов не гарантируют качество в конкретном сценарии.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MaziyarPanahi/Calme-4x7B-MoE-v0.1

Model Description

Calme-4x7B is a Mixture of Experts (MoE) model, integrating four state-of-the-art Calme-7B models. Essentially, Calme-4x7B is composed of four Calme-7B models that have been individually fine-tuned, featuring two experts per token. This configuration brings the total to over 24 billion parameters. Calme-4x7B models are distinguished by their ability to generate text with exceptional clarity, calmness, and coherence.

How to Use

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="MaziyarPanahi/Calme-4x7B-MoE-v0.1")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("MaziyarPanahi/Calme-4x7B-MoE-v0.1")
model = AutoModelForCausalLM.from_pretrained("MaziyarPanahi/Calme-4x7B-MoE-v0.1")

Eval

MetricMistral-7B Instruct v0.2Calme-7B v0.1Calme-7B v0.2Calme-7B v0.3Calme-7B v0.4Calme-7B v0.5Calme-4x7B v0.1Calme-4x7B v0.2
ARC63.1467.2467.7567.4964.8567.5867.1576.66
HellaSwag84.8885.5787.5287.5786.0087.2686.8986.84
TruthfulQA68.2659.3878.4178.3170.5274.0373.3073.06
MMLU60.7864.9761.8361.9362.0162.0462.1662.16
Winogrande77.1983.3582.0882.3279.4881.8580.8281.06
GSM8k40.0369.2973.0973.0977.7973.5474.5375.66

Some extra information to help you pick the right Calme-7B model:

Use Case CategoryRecommended Calme-7B ModelReason
Educational Tools and Academic ResearchCalme-7B v0.5Balanced performance, especially strong in TruthfulQA for accuracy and broad knowledge.
Commonsense Reasoning and Natural Language AppsCalme-7B v0.2 or Calme-7B v0.3High performance in HellaSwag for understanding nuanced scenarios.
Trustworthy Information Retrieval SystemsCalme-7B v0.5Highest score in TruthfulQA, indicating reliable factual information provision.
Math Educational SoftwareCalme-7B v0.4Best performance in GSM8k, suitable for numerical reasoning and math problem-solving.
Context Understanding and DisambiguationCalme-7B v0.5Solid performance in Winogrande, ideal for text with context and pronoun disambiguation.

Quantized Models

I love how GGUF democratizes the use of Large Language Models (LLMs) on commodity hardware, more specifically, personal computers without any accelerated hardware. Because of this, I am committed to converting and quantizing any models I fine-tune to make them accessible to everyone!

Examples

<s>[INST] You are a helpful, respectful and honest assistant. Always answer as helpfully as possible, while being safe.  Your answers should not include any harmful, unethical, racist, sexist, toxic, dangerous, or illegal content. Please ensure that your responses are socially unbiased and positive in nature.

If a question does not make any sense, or is not factually coherent, explain why instead of answering something not correct. If you don't know the answer to a question, please don't share false information.

describe about pros and cons of docker system. [/INST]
<s> [INST] Mark is faster than Mary, Mary is faster than Joe. Is Joe faster than Mark? Let's think step by step [/INST]
<s> [INST] explain step by step 25-4*2+3=? [/INST]

Multilingual:

<s> [INST] Vous êtes un assistant utile, respectueux et honnête. Répondez toujours de la manière la plus utile possible, tout en étant sûr. Vos réponses ne doivent inclure aucun contenu nuisible, contraire à l'éthique, raciste, sexiste, toxique, dangereux ou illégal. Assurez-vous que vos réponses sont socialement impartiales et de nature positive.

Si une question n'a pas de sens ou n'est pas cohérente d'un point de vue factuel, expliquez pourquoi au lieu de répondre quelque chose d'incorrect. Si vous ne connaissez pas la réponse à une question, veuillez ne pas partager de fausses informations.

Décrivez les avantages et les inconvénients du système Docker.[/INST]
<s>[INST] Ви - корисний, поважний та чесний помічник. Завжди відповідайте максимально корисно, будучи безпечним. Ваші відповіді не повинні містити шкідливого, неетичного, расистського, сексистського, токсичного, небезпечного або нелегального контенту. Будь ласка, переконайтеся, що ваші відповіді соціально неупереджені та мають позитивний характер.

Якщо питання не має сенсу або не є фактично послідовним, поясніть чому, замість того, щоб відповідати щось некоректне. Якщо ви не знаєте відповіді на питання, будь ласка, не діліться неправдивою інформацією.

Опис про переваги та недоліки системи Docker.[/INST] 

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
e2fab90

0 моделей