/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Базовая модель
flammen15-gutenberg-DPO-v1-7B
Опубликована
12 июл 2024

VisFlamCat

Генерация текстаТекст → текст5 профессий

VisFlamCat — объединённая модель Mistral на 7,1 млрд параметров для диалогов и генерации текста с контекстом до 32 768 токенов.

27скачиваний за 30 дней0лайковвеса обновлены30 июл 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.

Публичные оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4463

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5217

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2903

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3144

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4366

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0763

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

VisFlamCat — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория с помощью LazyMergekit из flammenai/flammen15-gutenberg-DPO-v1-7B, Eric111/CatunaLaserPi и Nitral-AI/Visual-LaylelemonMaidRP-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors, имеет контекст до 32 768 токенов и предназначена для генерации текста.

Модель подходит для диалогов и свободного продолжения текста. В README приведены результаты оценки на Open LLM Leaderboard: среднее значение 21,16, IFEval — 43,66, BBH — 32,88. Она объединяет несколько моделей методом TIES; лицензия и дополнительные условия использования в предоставленных данных не описаны.

Сценарии применения

  • генерация продолжений текста
  • ответы в диалоговом формате
  • создание черновиков и творческих текстов

Ограничения

Языковые данные и лицензия в предоставленных источниках не указаны; приведённые в README оценки ограничены несколькими бенчмарками и сами по себе не описывают качество во всех сценариях.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VisFlamCat

VisFlamCat is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: Nitral-AI/Visual-LaylelemonMaidRP-7B
    #no parameters necessary for base model
  - model: flammenai/flammen15-gutenberg-DPO-v1-7B
    parameters:
      density: 0.5
      weight: 0.5
  - model: Eric111/CatunaLaserPi
    parameters:
      density: 0.5
      weight: 0.5

merge_method: ties
base_model: Nitral-AI/Visual-LaylelemonMaidRP-7B
parameters:
  normalize: false
  int8_mask: true
dtype: float16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Stark2008/VisFlamCat"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.21.16
IFEval (0-Shot)43.66
BBH (3-Shot)32.88
MATH Lvl 5 (4-Shot)6.57
GPQA (0-shot)5.37
MuSR (0-shot)14.68
MMLU-PRO (5-shot)23.82

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
ad2aaea

0 моделей