/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Базовая модель
mistral-7b-sft-beta
Опубликована
5 мая 2024

Ссылки

Hugging Face

0.00005_withdpo_4iters_bs256_555lr_iter_1

ShenaoZ
Генерация текстаТекст → текст6 профессий

Дообученная методом DPO модель Mistral на 7,1 млрд параметров для текстового общения и генерации ответов.

13скачиваний за 30 дней0лайковвеса обновлены5 мая 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.

  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.

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

ShenaoZ/0.00005_withdpo_4iters_bs256_555lr_iter_1 — дообученная разработчиком ShenaoZ языковая модель Mistral с 7,1 млрд параметров. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дополнительно обучена методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для общения в текстовом формате и генерации ответов; заявленная длина контекста — 32 768 токенов.

Модель принимает текст и генерирует текст. В метаданных указана английская языковая основа базовой модели, но README не описывает отдельные языковые возможности этой версии. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не приводит оценок качества или подробных ограничений применения.

Сценарии применения

  • диалоговое общение с языковой моделью
  • генерация ответов на текстовые вопросы
  • подготовка текстовых ответов с учётом предпочтений, заданных при DPO-обучении

Ограничения

README не содержит результатов оценки качества и подробных сведений об ограничениях; языковые возможности версии отдельно не описаны.

Для каких профессий подходит6

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 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

0.00005_withdpo_4iters_bs256_555lr_iter_1

This model is a fine-tuned version of HuggingFaceH4/mistral-7b-sft-beta on the HuggingFaceH4/ultrafeedback_binarized dataset.

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: 5e-07
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 256
  • total_eval_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Framework versions

  • Transformers 4.36.2
  • Pytorch 2.1.2+cu121
  • Datasets 2.14.6
  • Tokenizers 0.15.2

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
c48d30a

0 моделей

    Создать бенчмарк