Характеристики

Контекст: 32 768 токенов
Параметры: 7,1 млрд
Лицензия: Apache 2.0
Архитектура: mistral · dense
Опубликована: 2 янв 2024

Ссылки

Hugging Face

test-7B-slerp

SyedAbdul

Генерация текстаТекст → текст7 профессий

Объединённая методом SLERP модель Mistral на 7,1 млрд параметров для генерации текста с контекстом до 32 768 токенов.

59скачиваний за 30 дней0лайковвеса обновлены2 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

SyedAbdul/test-7B-slerp — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. По README, автор объединил OpenPipe/mistral-ft-optimized-1218 и cognitivecomputations/dolphin-2.6-mistral-7b-dpo методом SLERP с помощью mergekit; в конфигурации указана базовая модель OpenPipe/mistral-ft-optimized-1218. Модель предназначена для генерации текста. Метаданные указывают контекстное окно до 32 768 токенов и формат весов safetensors. Лицензия — Apache-2.0. Данные не уточняют языковой охват модели и её ограничения, поэтому их нельзя конкретизировать.

Сценарии применения

генерация текста по запросу
продолжение заданного текста
составление ответов в диалоге
создание черновиков и вариантов формулировок

Ограничения

README не приводит результатов оценки качества или сведений о специальных ограничениях; характеристики исходных моделей не гарантируют те же свойства после объединения.

Для каких профессий подходит7

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 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.1Разработка и данныеАнализ требований и архитектура ПОAI помогает переводить потребности бизнеса в непротиворечивые требования и технические решения.20 задач18 191модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NeuralPipe-9B-merged

This model is a merge of the following models made with mergekit:

🧩 Configuration

slices:
  - sources:
      - model: OpenPipe/mistral-ft-optimized-1218
        layer_range: [0, 32]
      - model: cognitivecomputations/dolphin-2.6-mistral-7b-dpo
        layer_range: [0, 32]
merge_method: slerp
base_model: OpenPipe/mistral-ft-optimized-1218
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

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: 8c0acfa