/ Модель

Характеристики

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

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.2-slerp

Генерация текстаТекст → текст8 профессий

Объединённая SLERP-модель Mistral на 7,1 млрд параметров для генерации текста и диалоговых ответов, включая запросы на корейском языке.

20скачиваний за 30 дней0лайковвеса обновлены12 янв 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

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.2-slerp — объединённая методом SLERP диалоговая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Веса объединяют mistralai/Mistral-7B-Instruct-v0.2 и maywell/Mistral-ko-7B-v0.1; модель предназначена для генерации текста и ответов на инструкции в формате диалога. Контекст составляет до 32 768 токенов, файлы представлены в формате safetensors.

Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы, с ориентацией на корейский язык благодаря включению Mistral-ko. Лицензия — Apache-2.0. Доступные сведения не описывают сравнительные показатели качества или отдельные ограничения по применению.

Сценарии применения

  • создание диалогового помощника на корейском языке
  • ответы на инструкции и текстовые запросы
  • генерация продолжений текста
  • разработка чат-бота на базе Mistral

Ограничения

В карточке не приведены оценки качества и сравнительные тесты, поэтому пригодность для конкретных сценариев следует проверять отдельно.

Для каких профессий подходит8

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

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.2-slerp

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.2-slerp is a merge of the following models:

🧩 Configuration

slices:
  - sources:
      - model: mistralai/Mistral-7B-Instruct-v0.2
        layer_range: [0, 32]
      - model: maywell/Mistral-ko-7B-v0.1
        layer_range: [0, 32]
merge_method: slerp
base_model: mistralai/Mistral-7B-Instruct-v0.2
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

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "MaziyarPanahi/Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.2-slerp"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
"text-generation",
model=model,
torch_dtype=torch.float16,
device_map="auto",
)

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
MistralForCausalLM
Ревизия весов
04ac107

0 моделей