/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
12 июн 2024

biomistral-7b-wo-kqa_golden-iter-dpo-step2

Генерация текстаТекст → текст3 профессии

Диалоговая модель Mistral на 7,1 млрд параметров, DPO-дообученная для генерации ответов, включая ответы на медицинские и биологические вопросы.

22скачиваний за 30 дней0лайковвеса обновлены12 июн 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

Minbyul/biomistral-7b-wo-kqa_golden-iter-dpo-step2 — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Это DPO-дообучение модели Minbyul/biomistral-7b-wo-kqa_golden-iter-dpo-step1 на наборе HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации диалоговых ответов; базовая модель включает ответы на медицинские и биологические вопросы. Контекст — до 32 768 токенов, веса доступны в формате safetensors.

Модель можно применять для диалоговых ответов и ответов на медицинские и биологические вопросы. В карточке приведены результаты оценки на тестовом наборе, но подробности методики и гарантии качества не описаны. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • ответы на медицинские вопросы
  • ответы на вопросы по биологии

Ограничения

README не содержит подробного описания ограничений, методики оценки или гарантий качества; приведённые метрики сами по себе не подтверждают точность медицинских ответов.

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

biomistral-7b-wo-kqa_golden-iter-dpo-step2

This model is a fine-tuned version of Minbyul/biomistral-7b-wo-kqa_golden-iter-dpo-step1 on the HuggingFaceH4/ultrafeedback_binarized dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6909
  • Rewards/chosen: 0.0063
  • Rewards/rejected: 0.0057
  • Rewards/accuracies: 0.5625
  • Rewards/margins: 0.0006
  • Logps/rejected: -193.8717
  • Logps/chosen: -168.4928
  • Logits/rejected: -2.2060
  • Logits/chosen: -2.9391

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-07
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.1.2+cu121
  • Datasets 2.14.6
  • Tokenizers 0.15.2

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
5ec1313

0 моделей