/ Модель

Характеристики

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

PiVoT-10.7B-Mistral-v0.2-Mistral-7B-Instruct-v0.1

Генерация текстаТекст → текст6 профессий

Объединённая методом SLERP чат-модель Mistral на 7,1 млрд параметров для генерации ответов на инструкции и диалоговые запросы.

19скачиваний за 30 дней0лайковвеса обновлены16 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

PiVoT-10.7B-Mistral-v0.2-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral от MaziyarPanahi. Она создана методом SLERP из mistralai/Mistral-7B-Instruct-v0.1 и maywell/PiVoT-10.7B-Mistral-v0.2; конфигурация объединяет диапазоны слоёв обеих моделей и задаёт тип bf16. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. В репозитории указаны 7,1 млрд параметров и контекст до 32 768 токенов; поддержка английского и корейского языков следует из метаданных.

Веса опубликованы в формате safetensors по лицензии Apache-2.0. README не приводит сравнительных оценок качества или подробностей о специализации PiVoT-компонента, поэтому пригодность для конкретных задач стоит проверять отдельно.

Сценарии применения

  • ответы на пользовательские инструкции
  • ведение текстового диалога
  • генерация продолжений текста
  • создание чат-бота на английском или корейском языке

Ограничения

README не содержит сравнительных оценок качества или подробного описания специализации PiVoT-компонента. Поддержка языков указана в метаданных, но их уровень качества не уточнён.

Для каких профессий подходит6

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

PiVoT-10.7B-Mistral-v0.2-Mistral-7B-Instruct-v0.1

PiVoT-10.7B-Mistral-v0.2-Mistral-7B-Instruct-v0.1 is a merge of the following models:

🧩 Configuration

slices:
  - sources:
      - model: mistralai/Mistral-7B-Instruct-v0.1
        layer_range: [0, 32]
      - model: maywell/PiVoT-10.7B-Mistral-v0.2
        layer_range: [0, 32]
merge_method: slerp
base_model: mistralai/Mistral-7B-Instruct-v0.1
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/PiVoT-10.7B-Mistral-v0.2-Mistral-7B-Instruct-v0.1"
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
7e9a2b1

0 моделей