Характеристики

Контекст: 32 768 токенов
Параметры: 7,1 млрд
Лицензия: Apache 2.0
Архитектура: mistral · dense
Опубликована: 26 янв 2024

Ссылки

WestLake-7B-v2-laser

Генерация текстаТекст → текст3 профессии

Экспериментальная 7,1-миллиардная языковая модель Mistral для генерации текста с вмешательствами Laser в выбранные по отношению сигнал/шум слои.

8 545скачиваний за 30 дней36лайковвеса обновлены30 янв 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.

Открыть конструктор бенчмарка

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

QuixiAI/WestLake-7B-v2-laser — экспериментальная версия WestLake-7B-v2, подготовленная Дэвидом, Фернандо и Эриком при поддержке VAGO Solutions и HyperSpace.Ai. Это плотная каузальная языковая модель семейства Mistral с 7,1 млрд параметров, принимающая текст и генерирующая текст. Максимальная длина контекста — 32 768 токенов.

В модели применён подход laserRMT: слои анализируются по отношению сигнал/шум, а для расчёта этого показателя используется закон Марченко—Пастура; затем к выбранным слоям применяются вмешательства Laser. Репозиторий описывает её как эксперимент из серии разработок Cognitive Computations. Она подходит для текстовой генерации и исследовательских экспериментов с изменением слоёв модели. Доступна по лицензии Apache-2.0.

Сценарии применения

генерация текста языковой моделью
эксперименты с вмешательством в отдельные слои Mistral
исследование отношения сигнал/шум в слоях языковой модели

Ограничения

README не сообщает о целевых языках или сравнительных результатах качества; модель описана как экспериментальная серия разработок.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

by David, Fernando and Eric

Sponsored by: VAGO Solutions and HyperSpace.Ai

Join our Discord! https://discord.gg/cognitivecomputations

A laser version of senseable/WestLake-7B-v2

It follows the implementation of laserRMT @ https://github.com/cognitivecomputations/laserRMT

Here, we are controlling layers checking which ones have lower signal to noise ratios (which are more subject to noise), to apply Laser interventions, still using Machenko Pastur to calculate this ratio.

We intend to be the first of a family of experimentations being carried out @ Cognitive Computations.

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: 0acaee8