Micro Mistral
A small version of mistral.
Similiar to some of the small llama variants, but uses GQA, tied embeddings, and sliding window attention.
Dataset Minipile Instruct Math OpenOrca Synthetic Data
TODO: Complete Dataset section
Характеристики
- Контекст
- 4 096 токенов
- Параметры
- 449 млн
- Лицензия
- OpenRAIL
- Архитектура
- llama · dense
- Опубликована
- 28 мар 2024
Ссылки
micro-mistral
Компактная англоязычная модель на архитектуре Llama для генерации текста с контекстом до 4096 токенов.
154скачиваний за 30 дней0лайковвеса обновлены29 мар 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Nbardy разработал Micro Mistral — компактную языковую модель для генерации текста. Она построена на архитектуре Llama и содержит 449,1 млн параметров. По описанию автора, модель использует групповое внимание запросов (GQA), связанные эмбеддинги и скользящее окно внимания; максимальная длина контекста составляет 4096 токенов.
Модель предназначена для генерации текста, в том числе ответов и инструктивных текстов. В карточке указаны наборы данных Minipile, Minipile Instruct, Math, OpenOrca и синтетические данные, однако раздел с подробностями обучения не завершён. Указаны английский язык и лицензия OpenRAIL. Данных о результатах оценки качества нет.
Сценарии применения
- генерация текста на английском языке
- создание ответов на инструкции
- эксперименты с компактными языковыми моделями
Ограничения
Карточка не содержит подробного описания обучения и результатов оценки качества. Контекст ограничен 4096 токенами.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 8ebf499