/ 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_zephyr_5551_4iters_bs256_iter_2
Опубликована
15 мая 2024

Ссылки

Hugging Face

0.01_zephyr_5551_4iters_bs256_iter_3

ShenaoZhang
Генерация текстаТекст → текст4 профессии

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

18скачиваний за 30 дней0лайковвеса обновлены15 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

Shenao Zhang дообучил эту разговорную модель на базе ShenaoZhang/0.01_zephyr_5551_4iters_bs256_iter_2 на обновлённом и исходном наборах данных. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в формате диалога. Она принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors.

Модель доступна по лицензии MIT. В карточке не приведены сведения об оценке качества, характеристиках обучающих данных помимо названий наборов, рекомендуемых сценариях применения или известных ограничениях, поэтому её пригодность для конкретных задач следует проверять отдельно.

Сценарии применения

  • генерация ответов в диалоге
  • создание текстовых продолжений
  • эксперименты с дообучением разговорных моделей

Ограничения

В карточке нет результатов оценки качества и подробного описания возможностей. Язык модели и её надёжность в конкретных сценариях не установлены.

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

0.01_zephyr_5551_4iters_bs256_iter_3

This model is a fine-tuned version of ShenaoZhang/0.01_zephyr_5551_4iters_bs256_iter_2 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: 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 4.40.2
  • Pytorch 2.1.2+cu121
  • Datasets 2.14.6
  • Tokenizers 0.19.1

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
6dad1d8

0 моделей

    Создать бенчмарк