Характеристики

Контекст: 32 768 токенов
Параметры: 7,1 млрд
Размер весов: 14,5 ГБ
Архитектура: mistral · dense
Базовая модель: mistral_rulm_unigram_init_20_10_23
Опубликована: 26 окт 2023

Ссылки

Hugging Face

llm_model_m_unigram_hm_1e_v0.1

RefalMachine

Генерация текстаТекст → текст3 профессии

Дообученная 7,1-миллиардная модель Mistral для генерации текста с контекстом до 32 768 токенов.

29скачиваний за 30 дней0лайковвеса обновлены26 окт 2023

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

RefalMachine/llm_model_m_unigram_hm_1e_v0.1 — дообученная разработчиком RefalMachine языковая модель на архитектуре MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста; контекстное окно составляет 32 768 токенов.

В README приведены результаты оценки: loss 2,7017 и accuracy 0,4706. Данные обучения и целевое применение подробно не описаны, поэтому качество для конкретных сценариев по этим сведениям оценить нельзя. Модель опубликована в формате PyTorch под лицензией, указанной в метаданных Hugging Face как доступная?

Сценарии применения

генерация текста по запросу
продолжение заданного текста
создание прототипов текстовых приложений

Ограничения

README не раскрывает назначение, данные обучения и ограничения модели; приведены только метрики оценки без описания методики. Языковая поддержка и лицензия в доступных сведениях не определены.

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.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

Открыть на Hugging Face

mistral7b_darulm_unigram_1e_20_10_23

This model is a fine-tuned version of mistral_rulm_unigram_init_20_10_23 on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.7017
Accuracy: 0.4706

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: 0.0003
train_batch_size: 6
eval_batch_size: 6
seed: 42
distributed_type: multi-GPU
num_devices: 10
gradient_accumulation_steps: 4
total_train_batch_size: 240
total_eval_batch_size: 60
optimizer: Adam with betas=(0.9,0.95) and epsilon=1e-05
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 200
num_epochs: 1.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
3.1631	0.01	1000	3.1804	0.4182
3.1124	0.02	2000	3.1065	0.4272
3.0757	0.03	3000	3.0894	0.4288
3.0488	0.04	4000	3.0630	0.4319
3.0403	0.05	5000	3.0423	0.4336
3.0172	0.05	6000	3.0384	0.4343
3.0102	0.06	7000	3.0267	0.4360
2.9888	0.07	8000	3.0190	0.4361
3.0024	0.08	9000	3.0040	0.4385
2.9948	0.09	10000	3.0058	0.4378
2.9774	0.1	11000	2.9962	0.4389
2.9818	0.11	12000	2.9964	0.4390
2.9771	0.12	13000	2.9913	0.4396
2.9786	0.13	14000	2.9915	0.4391
2.9866	0.14	15000	2.9924	0.4394
2.9751	0.14	16000	2.9918	0.4389
2.9702	0.15	17000	2.9926	0.4393
2.9695	0.16	18000	2.9816	0.4401
2.9615	0.17	19000	2.9826	0.4402
2.9609	0.18	20000	2.9791	0.4406
2.9607	0.19	21000	2.9684	0.4416
2.9533	0.2	22000	2.9677	0.4422
2.9513	0.21	23000	2.9676	0.4421
2.9563	0.22	24000	2.9610	0.4429
2.9466	0.23	25000	2.9627	0.4424
2.9431	0.24	26000	2.9590	0.4424
2.9412	0.24	27000	2.9525	0.4436
2.9299	0.25	28000	2.9504	0.4435
2.9332	0.26	29000	2.9486	0.4435
2.9255	0.27	30000	2.9425	0.4442
2.9242	0.28	31000	2.9459	0.4434
2.9242	0.29	32000	2.9378	0.4445
2.9267	0.3	33000	2.9316	0.4453
2.9151	0.31	34000	2.9315	0.4454
2.9105	0.32	35000	2.9286	0.4456
2.9053	0.33	36000	2.9242	0.4457
2.9023	0.33	37000	2.9195	0.4466
2.8946	0.34	38000	2.9177	0.4468
2.9037	0.35	39000	2.9147	0.4470
2.8893	0.36	40000	2.9130	0.4468
2.8891	0.37	41000	2.9055	0.4481
2.8851	0.38	42000	2.9017	0.4485
2.8909	0.39	43000	2.9011	0.4483
2.896	0.4	44000	2.9061	0.4479
2.8918	0.41	45000	2.9043	0.4479
2.8847	0.42	46000	2.8954	0.4490
2.8749	0.42	47000	2.8912	0.4494
2.8832	0.43	48000	2.8912	0.4496
2.8745	0.44	49000	2.8853	0.4500
2.8717	0.45	50000	2.8834	0.4502
2.8659	0.46	51000	2.8831	0.4503
2.865	0.47	52000	2.8784	0.4505
2.8575	0.48	53000	2.8763	0.4508
2.8571	0.49	54000	2.8741	0.4513
2.8554	0.5	55000	2.8704	0.4514
2.8526	0.51	56000	2.8669	0.4519
2.8521	0.52	57000	2.8618	0.4525
2.8398	0.52	58000	2.8600	0.4522
2.8398	0.53	59000	2.8576	0.4528
2.837	0.54	60000	2.8536	0.4528
2.837	0.55	61000	2.8519	0.4535
2.8427	0.56	62000	2.8493	0.4536
2.8365	0.57	63000	2.8468	0.4541
2.8327	0.58	64000	2.8447	0.4539
2.8289	0.59	65000	2.8388	0.4546
2.8166	0.6	66000	2.8346	0.4547
2.8171	0.61	67000	2.8294	0.4558
2.8184	0.61	68000	2.8269	0.4556
2.8102	0.62	69000	2.8243	0.4563
2.8153	0.63	70000	2.8211	0.4564
2.8035	0.64	71000	2.8185	0.4569
2.8042	0.65	72000	2.8206	0.4569
2.7984	0.66	73000	2.8138	0.4574
2.7883	0.67	74000	2.8112	0.4574
2.7962	0.68	75000	2.8056	0.4584
2.7937	0.69	76000	2.8068	0.4582
2.7853	0.7	77000	2.8011	0.4588
2.7798	0.71	78000	2.7954	0.4597
2.7851	0.71	79000	2.7913	0.4598
2.7831	0.72	80000	2.7897	0.4600
2.7773	0.73	81000	2.7862	0.4603
2.7688	0.74	82000	2.7836	0.4609
2.7658	0.75	83000	2.7798	0.4610
2.7622	0.76	84000	2.7815	0.4612
2.7691	0.77	85000	2.7783	0.4612
2.7579	0.78	86000	2.7712	0.4619
2.7614	0.79	87000	2.7673	0.4625
2.7592	0.8	88000	2.7691	0.4623
2.7551	0.8	89000	2.7607	0.4634
2.7397	0.81	90000	2.7579	0.4637
2.7357	0.82	91000	2.7580	0.4636
2.7452	0.83	92000	2.7517	0.4643
2.7418	0.84	93000	2.7533	0.4641
2.7379	0.85	94000	2.7481	0.4647
2.7308	0.86	95000	2.7460	0.4654
2.727	0.87	96000	2.7408	0.4655
2.7282	0.88	97000	2.7351	0.4664
2.7133	0.89	98000	2.7301	0.4669
2.7136	0.9	99000	2.7251	0.4673
2.7108	0.9	100000	2.7208	0.4679
2.7051	0.91	101000	2.7192	0.4681
2.7013	0.92	102000	2.7151	0.4687
2.6996	0.93	103000	2.7129	0.4689
2.6898	0.94	104000	2.7084	0.4694
2.688	0.95	105000	2.7053	0.4697
2.6855	0.96	106000	2.7018	0.4701
2.6852	0.97	107000	2.6989	0.4705
2.689	0.98	108000	2.6982	0.4705
2.6868	0.99	109000	2.6994	0.4707
2.6901	0.99	110000	2.7006	0.4707

Framework versions

Transformers 4.34.0
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.14.1

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: db83ff0

Характеристики

Ссылки

llm_model_m_unigram_hm_1e_v0.1

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит3

Карточка модели

mistral7b_darulm_unigram_1e_20_10_23

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить