/ Модель

Характеристики

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

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

Генерация текстаТекст → текст3 профессии

Диалоговая модель BioMistral на 7,1 млрд параметров для генерации ответов на текстовые запросы, включая медицинские и биологические вопросы.

13скачиваний за 30 дней0лайковвеса обновлены8 мая 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 разработала эту диалоговую модель на основе BioMistral-7B и дообучила её методом SFT на наборе HuggingFaceH4/deita-10k-v0-sft. Это плотная языковая модель архитектуры Mistral с 7,1 млрд параметров, рассчитанная на генерацию ответов на текстовые запросы. Её можно использовать в чат-сценариях, в том числе для вопросов по медицине и биологии.

Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. В README приведено значение loss 1,7672 на оценочном наборе, но подробности оценки, качества и ограничения не раскрыты.

Сценарии применения

  • ответы на вопросы по медицине и биологии
  • диалоговый помощник на основе языковой модели
  • генерация ответов на текстовые запросы
  • создание прототипа чат-бота

Ограничения

README не приводит подробных результатов оценки или описания ограничений, поэтому качество ответов, особенно в медицинских сценариях, нельзя определить по доступным данным.

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-sft-step2

This model is a fine-tuned version of Minbyul/biomistral-7b-wo-kqa_golden-iter-sft-dpo-step1 on the HuggingFaceH4/deita-10k-v0-sft dataset. It achieves the following results on the evaluation set:

  • Loss: 1.7672

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: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.49820.95131.4957
0.22541.96271.6817
0.10952.84391.7672

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.1.2
  • 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
e548b14

0 моделей