/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
1 фев 2024

DistilabelCerberus-7B-slerp

Генерация текстаТекст → текст15 профессий

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

62скачиваний за 30 дней1лайквеса обновлены4 мар 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

DistilabelCerberus-7B-slerp — слитая модель для генерации текста на основе Mistral, созданная с помощью mergekit из DistilabelBeagle14-7B и OpenHermes-2.5-Mistral-7B. В конфигурации применён метод слияния slerp с разными весами для слоёв self-attention и MLP; модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов.

Модель предназначена для диалогов и генерации ответов на текстовые запросы. В карточке приведены результаты оценивания на наборах задач рассуждения, понимания здравого смысла и математики. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • ведение диалога с текстовым ассистентом
  • генерация ответов на инструкции
  • решение математических задач в текстовом формате
  • помощь с кодом
  • ответы на вопросы и задачи на рассуждение

Ограничения

Результаты оценки зависят от используемых тестов и не гарантируют качество на конкретных запросах. Карточка не описывает защитные механизмы или поведение модели за пределами приведённых оценок.

Для каких профессий подходит15

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

DistilabelCerberus-7B-slerp

DistilabelCerberus-7B-slerp is a merge of the following models using mergekit:

🧩 Configuration

slices:
  - sources:
      - model: dvilasuero/DistilabelBeagle14-7B
        layer_range: [0, 32]
      - model: teknium/OpenHermes-2.5-Mistral-7B
        layer_range: [0, 32]
merge_method: slerp
base_model: teknium/OpenHermes-2.5-Mistral-7B
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5
dtype: bfloat16

Results

ARC-CHellaswagThruthfulQAWinograndeGSM8K
OpenHermes-2.5-Mistral-7B61.2665.2252.2478.0626.08
DistilabelBeagle14-7B??71.66??
DistilabelCerberus-7B-slerp65.4469.2960.9379.4869.82

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.71.56
AI2 Reasoning Challenge (25-Shot)68.17
HellaSwag (10-Shot)86.78
MMLU (5-Shot)64.20
TruthfulQA (0-shot)60.93
Winogrande (5-shot)79.48
GSM8k (5-shot)69.83

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
2898ef4

0 моделей