/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
10 янв 2024

Medorca-7B-Slerp

Генерация текстаТекст → текст3 профессии

Объединённая модель Llama на 6,6 млрд параметров для генерации текста и экспериментов с ответами на медицинские вопросы.

59скачиваний за 30 дней0лайковвеса обновлены10 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

Medorca-7B-Slerp — объединённая языковая модель от Technoculture, созданная слиянием Meditron-7B и Orca-2-7B методом SLERP. Это плотная авторегрессионная модель семейства Llama с 6,6 млрд параметров, предназначенная для генерации текста, в том числе ответов на медицинские вопросы. Базовая модель Meditron-7B ориентирована на англоязычные медицинские запросы, поэтому модель подходит для экспериментов и прототипов медицинских ассистентов на английском языке.

Модель принимает текст и генерирует текст; максимальная длина контекста — 2048 токенов. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. Слияние объединяет характеристики двух моделей, однако карточка не приводит оценки качества или клинической безопасности; ответы не следует считать медицинской рекомендацией.

Сценарии применения

  • создание прототипа англоязычного медицинского чат-бота
  • генерация ответов на общие медицинские вопросы
  • эксперименты со слиянием медицинских и инструктивных языковых моделей

Ограничения

Контекст ограничен 2048 токенами. Карточка не содержит оценок качества или клинической безопасности; ответы модели требуют проверки специалистом.

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

Medorca-7B-Slerp

Medorca-7B-Slerp is a merge of the following models:

🧩 Configuration

slices:
  - sources:
      - model: epfl-llm/meditron-7b
        layer_range: [0, 32]
      - model: microsoft/Orca-2-7b
        layer_range: [0, 32]
merge_method: slerp
base_model: epfl-llm/meditron-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 # fallback for rest of tensors
dtype: float16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Technoculture/Medorca-7B-Slerp"
messages = [{"role": "user", "content": "I am feeling sleepy these days"}]

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
LlamaForCausalLM
Ревизия весов
5c93d7f

0 моделей