/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Своя лицензия
Архитектура
mistral · dense
Опубликована
23 дек 2023

neural-chat-7b-v3-3-wizardmath-dare-me

Генерация текстаТекст → текст3 профессии

Экспериментальная 7,1-миллиардная модель на базе Mistral, объединяющая neural-chat и WizardMath для генерации текста и проверки переноса математических навыков.

67скачиваний за 30 дней0лайковвеса обновлены29 дек 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.

  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

SanjiWatsuki/neural-chat-7b-v3-3-wizardmath-dare-me — экспериментальная объединённая модель на базе Mistral, созданная путём смешивания методов слияния DARE TIES и task arithmetic для переноса навыков между дообученными моделями. В эксперименте использованы WizardMath и Intel neural-chat; параметры объединены в формат safetensors. Модель предназначена для генерации текста, включая проверку того, можно ли переносить математические навыки WizardMath в другую дообученную модель таким способом.

Модель содержит 7,1 млрд параметров и имеет контекстное окно до 32 768 токенов. Автор README сообщает, что выбранная стратегия существенно ухудшила качество модели, поэтому результат следует рассматривать как неудачный эксперимент со слиянием, а не как надёжную модель для практического применения. Лицензия репозитория указана как other; README сообщает о Microsoft Research License для WizardMath и Apache 2.0 для Intel neural-chat.

Сценарии применения

  • эксперименты со слиянием дообученных языковых моделей
  • оценка переноса математических навыков между моделями
  • генерация текста на основе Mistral
  • исследование методов DARE TIES и task arithmetic

Ограничения

Автор README сообщает, что стратегия слияния значительно ухудшила производительность модели. Условия лицензирования модели в целом неясны: метаданные указывают other, а README называет лицензии её исходных моделей.

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

Update: Yeah, this strategy doesn't work. This ended up really devastating the model's performance.

This model is an experiment involving mixing DARE TIE merger with a task arithmetic merger to attempt to merge models with less loss.

DARE TIE mergers are very strong at transferring strengths while merging a minimal part of the model. For larger models, 90-99% of delta parameters from SFT models can be dropped while retaining most of the benefits if they are rescaled and consensus merged back into the model.

For 7B models, we can't drop as many of the parameters and retain the model's strengths. In the original paper, the WizardMath model showed transferrable skills when 90% of the parameters were dropped but showed more strength when 70% were dropped. Experimentally, it appears that even lower drop rates like 40% have performed the best even for larger 34B models. In some instances, even densities as high as 80% create an unstable merger, making DARE TIES unsuitable for merging models.

This is an experiment utilizing two merger techniques together to try and transfer skills between finetuned models. If we were to DARE TIE a low density merger onto the base Mistral model and then task arithmetic merge those low density delta weights onto a finetune, could we still achieve skill transfer?

models: # mistral-wizardmath-dare-0.7-density
  - model: mistralai/Mistral-7B-v0.1
    # no parameters necessary for base model
  - model: WizardLM/WizardMath-7B-V1.1
    parameters:
      weight: 1
      density: 0.3
merge_method: dare_ties
base_model: mistralai/Mistral-7B-v0.1
parameters:
  normalize: true
  int8_mask: true
dtype: bfloat16

merge_method: task_arithmetic
base_model: mistralai/Mistral-7B-v0.1
models:
  - model: mistral-wizardmath-dare-0.7-density
  - model: Intel/neural-chat-7b-v3-3
parameters:
  weight: 1.0
dtype: bfloat16

WizardMath is under the Microsoft Research License, Intel is Apache 2.0.

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
dda7081

0 моделей