/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
10,6 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
25 янв 2024

Umbra-v2.1-MoE-4x10.7

Генерация текстаТекст → текст3 профессии

Экспериментальная чат-модель Mixtral для общих вопросов, творческого письма и ролевых диалогов.

31скачиваний за 30 дней6лайковвеса обновлены23 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.

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

Umbra-v2.1-MoE-4x10.7 — экспериментальная чат-модель серии Umbra от SteelStorage, созданная как универсальный помощник с акцентом на рассказывание историй и ролевые диалоги, включая ERP. Она построена на архитектуре Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 10,6 млрд параметров. Модель принимает текст и генерирует текст в формате диалога.

Автор указывает базовый контекст 8 тысяч токенов со скользящим окном, тогда как метаданные Hugging Face сообщают нативный контекст 32 768 токенов. Версия 2.1 меняет модели и промпты по сравнению с предыдущей версией; автор характеризует её как экспериментальную и не гарантирует превосходство над предшественниками. Репозиторий использует формат Safetensors и лицензию Apache-2.0.

Сценарии применения

  • ответы на общие вопросы в чате
  • создание рассказов и художественных сцен
  • ведение ролевых диалогов
  • генерация ERP-сценариев

Ограничения

Автор называет модель экспериментальной и предупреждает, что версия 2.1 не обязательно лучше предыдущих. README указывает контекст 8 тысяч токенов со скользящим окном, а метаданные — нативный контекст 32 768 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

image/png

Umbra-v2.1-MoE-4x10.7

The [Umbra Series] is an offshoot of the [Lumosia Series] With the goal to be a General assistant that has a knack for story telling and RP/ERP

-What's New in v2.1?

Umbra v2.1 isn't just a simple update; it's like giving the model a double shot of espresso. Ive changed the models and prompts, in an attempt to make Umbra not only your go-to assistant for general knowledge but also a great storyteller and RP/ERP companion.

-Longer Positive, Shorter Negative

In an effort to trick the gates into being less uptight, Ive added more positive prompts and snappier negative ones. These changes are based on the model's strengths and, frankly, my whimsical preferences.

-Experimental, As Always

Remember, folks, "v2.1" doesn't mean it's superior to its predecessors – it's just another step in the quest. It's the 'Empire Strikes Back' of our series – could be better, could be worse, but definitely more dramatic.

-Base Context and Coherence

Umbra v2.1 has a base context of 8k scrolling window.

-The Tavern Card

Just for fun - the Umbra Personality Tavern Card. It's your gateway to immersive storytelling experiences, a little like having a 'Choose Your Own Adventure' book, but way cooler because it's digital and doesn't get lost under your bed.

-Token Error? Fixed!

Umbra-v2 had a tokenizer error but was removed faster than you can say "Cops love Donuts"

So, give Umbra v2.1 a whirl and let me know how it goes. Your feedback is like the secret sauce in my development burger.

### System:

### USER:{prompt}

### Assistant:

Settings:

Temp: 1.0
min-p: 0.02-0.1

Evals:

  • Avg: 73.59
  • ARC: 69.11
  • HellaSwag: 87.57
  • MMLU: 66.48
  • T-QA: 66.75
  • Winogrande: 83.11
  • GSM8K: 68.69

Examples:

posted soon
posted soon

🧩 Configuration

base_model: vicgalle/CarbonBeagle-11B
gate_mode: hidden
dtype: bfloat16
experts:
  - source_model: vicgalle/CarbonBeagle-11B
    positive_prompts: [Revamped]

  - source_model: Sao10K/Fimbulvetr-10.7B-v1
    positive_prompts: [Revamped]

  - source_model: bn22/Nous-Hermes-2-SOLAR-10.7B-MISALIGNED
    positive_prompts: [Revamped]

  - source_model: Yhyu13/LMCocktail-10.7B-v1
    positive_prompts: [Revamed]
Umbra-v2-MoE-4x10.7 is a Mixure of Experts (MoE) made with the following models:
* [vicgalle/CarbonBeagle-11B](https://huggingface.co/vicgalle/CarbonBeagle-11B)
* [Sao10K/Fimbulvetr-10.7B-v1](https://huggingface.co/Sao10K/Fimbulvetr-10.7B-v1)
* [bn22/Nous-Hermes-2-SOLAR-10.7B-MISALIGNED](https://huggingface.co/bn22/Nous-Hermes-2-SOLAR-10.7B-MISALIGNED)
* [Yhyu13/LMCocktail-10.7B-v1](https://huggingface.co/Yhyu13/LMCocktail-10.7B-v1)

💻 Usage

!pip install -qU transformers bitsandbytes accelerate
from transformers import AutoTokenizer
import transformers
import torch

model = "Steelskull/Umbra-v2-MoE-4x10.7"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    model_kwargs={"torch_dtype": torch.float16, "load_in_4bit": True},
)

messages = [{"role": "user", "content": "Explain what a Mixture of Experts is in less than 100 words."}]
prompt = pipeline.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
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.73.59
AI2 Reasoning Challenge (25-Shot)69.11
HellaSwag (10-Shot)87.57
MMLU (5-Shot)66.48
TruthfulQA (0-shot)66.57
Winogrande (5-shot)83.11
GSM8k (5-shot)68.69

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
f296d67

0 моделей