/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-Nemo-Base-2407-bnb-4bit
Опубликована
26 дек 2024

ORANSight_Mistral_Nemo_Instruct

Генерация текстаТекст → текст

Дообученная модель Mistral Nemo для диалога и ответов на вопросы о технологиях и интерфейсах O-RAN.

22скачиваний за 30 дней2лайкавеса обновлены26 янв 2025

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

ORANSight Mistral-12B (Nemo) — разговорная языковая модель, разработанная NextG Lab при Университете штата Северная Каролина. Это дообученная версия Mistral Nemo, предназначенная для ответов на вопросы и диалога по тематике O-RAN, например для объяснения интерфейсов и понятий в архитектуре открытых радиосетей. Модель имеет плотную архитектуру MistralForCausalLM и около 12,1 млрд параметров; карточка указывает контекст 128K токенов, а метаданные каталога — до 1 024 000 токенов. Эти значения расходятся, поэтому фактическую длину контекста следует сверять с конфигурацией и используемым ПО.

Модель принимает текстовые запросы в формате диалога и генерирует текстовые ответы; интерфейс также поддерживает вызов инструментов. В карточке указан английский язык. Модель распространяется по лицензии Apache 2.0. В карточке пока нет подробной публикации с результатами экспериментов, поэтому качество и охват знаний в области O-RAN не следует считать подтверждёнными независимой оценкой.

Сценарии применения

  • объяснение интерфейсов и понятий O-RAN
  • ответы на вопросы об архитектуре открытых радиосетей
  • диалог с ассистентом по тематике O-RAN
  • подготовка черновых разъяснений технической документации O-RAN

Ограничения

Подробные результаты экспериментов и независимые оценки в карточке отсутствуют. README указывает контекст 128K токенов, тогда как метаданные каталога — 1 024 000 токенов; практический предел требует проверки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for ORANSight Mistral-12B (Nemo)

This model belongs to the first release of the ORANSight family of models.

  • Developed by: NextG lab@ NC State
  • License: apache-2.0
  • Context Window: 128K
  • Fine Tuning Framework: Unsloth

Generate with Transformers

Below is a quick example of how to use the model with Hugging Face Transformers:

from transformers import pipeline

# Example query
messages = [
    {"role": "system", "content": "You are an O-RAN expert assistant."},
    {"role": "user", "content": "Explain the E2 interface."},
]

# Load the model
chatbot = pipeline("text-generation", model="NextGLab/ORANSight_Mistral_Nemo_Instruct")
result = chatbot(messages)
print(result)

Coming Soon

A detailed paper documenting the experiments and results achieved with this model will be available soon. Meanwhile, if you try this model, please cite the below mentioned paper to acknowledge the foundational work that enabled this fine-tuning.

@article{gajjar2024oran,
  title={Oran-bench-13k: An open source benchmark for assessing llms in open radio access networks},
  author={Gajjar, Pranshav and Shah, Vijay K},
  journal={arXiv preprint arXiv:2407.06245},
  year={2024}
}

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
34486cf

0 моделей