/ Модель

Характеристики

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

japanese-stablelm-instruct-gamma-7b-Mistral-7B-Instruct-v0.2-slerp

Генерация текстаТекст → текст3 профессии

Диалоговая модель Mistral на 7,1 млрд параметров, объединяющая англоязычную instruct-модель и японскую StableLM для генерации текста и ответов на инструкции.

102скачиваний 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

MaziyarPanahi/japanese-stablelm-instruct-gamma-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и stabilityai/japanese-stablelm-instruct-gamma-7b методом SLERP. Модель предназначена для генерации текста и ответов на инструкции в формате диалога; контекстное окно составляет до 32 768 токенов.

Слияние объединяет параметры двух моделей, а конфигурация README указывает на смешивание слоёв self-attention и MLP. В карточке не приведены результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • ответы на пользовательские инструкции на японском языке
  • ведение диалогов на японском языке
  • генерация японского текста
  • ответы на инструкции в длинном контексте
  • создание чат-бота на базе Mistral

Ограничения

В README нет опубликованных оценок качества или сравнений, поэтому качество ответов и пригодность для конкретных сценариев не подтверждены. Языковая специализация на японском следует из названия одной из исходных моделей; отдельный перечень поддерживаемых языков в метаданных отсутствует.

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

japanese-stablelm-instruct-gamma-7b-Mistral-7B-Instruct-v0.2-slerp

japanese-stablelm-instruct-gamma-7b-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: stabilityai/japanese-stablelm-instruct-gamma-7b
        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/japanese-stablelm-instruct-gamma-7b-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
dc9f275

0 моделей