/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
SorcererLM-22B
Опубликована
23 сен 2024

SorcererLM-22B-iMat-GGUF

Генерация текстаТекст → текст3 профессии

Quant-Cartel/SorcererLM-22B-iMat-GGUF — квантованная GGUF-версия языковой модели SorcererLM-22B, подготовленная Quant-Cartel на базе InferenceIllusionist/SorcererLM-22B.

2 685скачиваний за 30 дней0лайковвеса обновлены10 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Исходная модель представляет собой LoRA-настройку Mistral-Small-Instruct-2409, обученную на одном проходе по очищенным и дедуплицированным логам c2. Модель ориентирована на локальное использование и диалоговые сценарии, включая генерацию текста и следование инструкциям.

Модель содержит около 22 млрд параметров и работает в текстовой модальности. Для общения рекомендуется использовать шаблоны Mistral V2 или V3 Context/Instruct; параметры сэмплирования вынесены в отдельные рекомендации проекта. Данная сборка использует квантование с Importance Matrix (iMat), рассчитанной на весах fp32, и разделена на 107 частей. Заявленное значение контекста для этой версии — n_ctx=512, поэтому она подходит прежде всего для коротких запросов и диалогов.

К сильным сторонам относятся адаптация под специализированное разговорное поведение, локальная направленность и сниженные требования к оборудованию по сравнению с более крупными вариантами семейства Sorcerer. Ограничениями являются небольшой заявленный контекст в 512 токенов, отсутствие в карточке результатов бенчмарков, подробных сведений о языках и количественных характеристик качества, а также неполное описание механизмов безопасности. Лицензия модели указана как Apache-2.0.

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
  e88 88e                               d8     
 d888 888b  8888 8888  ,"Y88b 888 8e   d88     
C8888 8888D 8888 8888 "8" 888 888 88b d88888   
 Y888 888P  Y888 888P ,ee 888 888 888  888     
  "88 88"    "88 88"  "88 888 888 888  888     
      b                                        
      8b,                                      
 
  e88'Y88                  d8           888    
 d888  'Y  ,"Y88b 888,8,  d88    ,e e,  888    
C8888     "8" 888 888 "  d88888 d88 88b 888    
 Y888  ,d ,ee 888 888     888   888   , 888    
  "88,d88 "88 888 888     888    "YeeP" 888    
                                               
PROUDLY PRESENTS         

SorcererLM-22B-iMat-GGUF

Quantized with love from fp32.

  • Importance Matrix calculated using groups_merged.txt
  • 107 chunks
  • n_ctx=512
  • Importance Matrix uses fp32 precision model weights, fp32.imatrix file to be added in repo

Original model README here and below:

SorcererLM-22B

SorcererLM-22B is here, rounding out the trinity of Mistral-Small-Instruct tunes from the Quant Cartel.

Prompt Format

Quantized Versions

Training

For starters this is a LORA tune on top of Mistral-Small-Instruct-2409 and not a pruned version of SorcererLM-8x22b.

Trained with a whole lot of love on 1 epoch of cleaned and deduped c2 logs. This model is 100% 'born-local', the result of roughly 27 hours and a little bit of patience on a single RTX 4080 SUPER.

As hyperparameters and dataset intentionally mirror ones used in the original Sorcerer 8x22b tune, this is considered its 'lite' counterpart aiming to provide the same bespoke conversational experience relative to its size and reduced hardware requirements.

While all three share the same Mistral-Small-Instruct base, in contrast to its sisters Mistral-Small-NovusKyver and Acolyte-22B this release did not SLERP the resulting model with the original in a 50/50 ratio post-training. Instead, alpha was dropped when the lora was merged with full precision weights in the final step.

Acknowledgments

  • First and foremost a huge thank you my brilliant teammates envoid and rAIfle. Special shout-out to rAIfle for critical last minute advice that got this one through the finish line
  • Props to unsloth as well for helping make this local tune possible
  • And of course, none of this would matter without users like you. Thank you :)

Safety

...

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
26fede5

0 моделей