/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
10,6 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
21 янв 2024

Aurora-10.7B

Генерация текстаТекст → текст9 профессий

Слитая модель Mistral примерно на 10,6 млрд параметров для генерации текста и дальнейшего обучения.

26скачиваний за 30 дней4лайкавеса обновлены28 янв 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 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

Aurora-10.7B — слитая плотная авторегрессионная модель семейства Mistral, опубликованная SteelStorage. По README она собрана из слоёв mistralai/Mistral-7B-Instruct-v0.2 методом passthrough и предназначена как базовая модель для дальнейшего обучения; автор указывает, что после слияния она не дообучалась. В репозитории доступны веса Safetensors, лицензия — Apache-2.0.

Модель принимает текст и генерирует текст; метаданные также отмечают поддержку чата. Контекст составляет 32 768 токенов, размер — около 10,6 млрд параметров. README приводит результаты оценок на ARC, HellaSwag, MMLU, T-QA, Winogrande и GSM8K, но они не гарантируют качество на конкретных пользовательских задачах. Языки и специальные предметные области в предоставленных данных не обозначены.

Сценарии применения

  • подготовка базового чекпойнта для дальнейшего дообучения
  • генерация ответов в текстовом чате
  • создание продолжений по текстовой подсказке
  • эксперименты с языковыми моделями на длинном контексте

Ограничения

Модель не дообучалась после слияния и позиционируется как основа для дальнейшего обучения; опубликованные оценки ниже результатов исходной модели по приведённым метрикам. В предоставленных данных не заявлена поддержка конкретных языков.

Для каких профессий подходит9

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

image/png

Aurora-10.7b_Base

Aurora-10.7b_Base is a merge of the following models: to create a 10.7b base model that can be trained.

Merged Evals: (Has Not Been Finetuned)

Aurora-10.7b_Base

  • Avg: 63.98
  • ARC: 62.88
  • HellaSwag: 83.99
  • MMLU: 60.24
  • T-QA: 67.84
  • Winogrande: 76.4
  • GSM8K: 32.52

(OG)Donated Evals:

Mistral-7b-v0.2

  • Avg: 65.71
  • ARC: 63.14
  • HellaSwag: 84.88
  • MMLU: 60.78
  • T-QA: 68.26
  • Winogrande: 77.19
  • GSM8K: 40.03

🧩 Configuration

slices:
  - sources:
    - model: mistralai/Mistral-7B-Instruct-v0.2
      layer_range: [0, 24]
  - sources:
    - model: mistralai/Mistral-7B-Instruct-v0.2
      layer_range: [8, 32]
merge_method: passthrough
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Steelskull/Aurora_base_test"
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"])

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
c12476f

0 моделей