/ Модель

Характеристики

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

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

Генерация текстаТекст → текст

Диалоговая модель Mistral на 7,1 млрд параметров, полученная слиянием двух моделей для генерации текста и ответов на инструкции.

15скачиваний за 30 дней0лайковвеса обновлены11 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-v0.2-slerp — текстовая диалоговая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и maywell/PiVoT-10.7B-Mistral-v0.2 методом slerp с помощью mergekit. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Модель предназначена для диалога, генерации текста и ответов на инструкции. Может применяться для общения с пользователями и создания текстовых ответов на запросы. Доступна в формате safetensors; лицензия — Apache-2.0. Сведения о конкретных языках и специализированных областях применения в карточке отсутствуют.

Сценарии применения

  • ответы на пользовательские запросы в диалоге
  • генерация текста по инструкциям
  • создание разговорного интерфейса
  • развёртывание чат-бота с длинным контекстом

Ограничения

README не сообщает о специализированных возможностях или результатах оценки качества. Конкретные поддерживаемые языки не установлены по предоставленным данным.

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-v0.2-slerp

PiVoT-10.7B-Mistral-v0.2-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/PiVoT-10.7B-Mistral-v0.2
        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/PiVoT-10.7B-Mistral-v0.2-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
5f6e839

0 моделей