/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Базовая модель
0.01_ablation_4iters_bs128_nodpo_iter_1
Опубликована
25 апр 2024

Ссылки

Hugging Face

0.01_ablation_4iters_bs128_nodpo_iter_2

ShenaoZhang
Генерация текстаТекст → текст4 профессии

Дообученная разговорная модель Mistral на 7,1 млрд параметров для генерации текста с контекстом до 32 768 токенов.

13скачиваний за 30 дней0лайковвеса обновлены25 апр 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

ShenaoZhang/0.01_ablation_4iters_bs128_nodpo_iter_2 — разговорная языковая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Это дообучение модели ShenaoZhang/0.01_ablation_4iters_bs128_nodpo_iter_1 на обновлённом и исходном наборах данных; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев, поддерживает контекст до 32 768 токенов.

Модель опубликована ShenaoZhang 25 апреля 2024 года под лицензией MIT. Карточка не описывает конкретные сильные стороны, результаты оценки или целевые языки, поэтому качество для отдельных задач и языков по имеющимся сведениям определить нельзя.

Сценарии применения

  • генерация ответов в диалоге
  • создание и продолжение текстов
  • разработка чат-бота на основе Mistral

Ограничения

Карточка не содержит описания оценки качества, целевых языков или конкретных сценариев применения; пригодность модели для них не подтверждена.

Для каких профессий подходит4

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.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

0.01_ablation_4iters_bs128_nodpo_iter_2

This model is a fine-tuned version of ShenaoZhang/0.01_ablation_4iters_bs128_nodpo_iter_1 on the updated and the original datasets.

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: 2
  • total_train_batch_size: 128
  • 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
77b6c13

0 моделей

    Создать бенчмарк