Marcoroni-neural-chat-7B-v2
Model Details
This model is a merge of models AIDC-ai-business/Marcoroni-7B-v3 and Intel/neural-chat-7b-v3-3 using Slerp with mergekit tool for testing purposes. Both models are based on mistralai/Mistral-7B-v0.1.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 7,1 млрд
- Лицензия
- Apache 2.0
- Архитектура
- mistral · dense
- Опубликована
- 12 дек 2023
Ссылки
Marcoroni-neural-chat-7B-v2
Объединённая 7,1-миллиардная модель Mistral для генерации текста и тестирования с контекстом до 32 768 токенов.
97скачиваний за 30 дней6лайковвеса обновлены18 дек 2023
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.
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
Marcoroni-neural-chat-7B-v2 — объединённая языковая модель на архитектуре MistralForCausalLM, созданная с помощью Slerp и mergekit из AIDC-ai-business/Marcoroni-7B-v3 и Intel/neural-chat-7b-v3-3. Обе исходные модели основаны на mistralai/Mistral-7B-v0.1.
Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 32 768 токенов. Она предназначена для тестирования возможностей объединённой модели и задач генерации текста. Репозиторий предоставляет веса в формате safetensors; лицензия — Apache-2.0.
Сценарии применения
- генерация текста по запросу
- тестирование объединённых языковых моделей
- создание диалоговых ответов
- эксперименты с длинным контекстом
Ограничения
Автор описывает модель как созданную для тестирования; качество и пригодность для конкретных задач в карточке не оценены.
Для каких профессий подходит12
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Также подходит для
- II.1Анализ требований и архитектура ПО
- I.7Речь, диалоги и встречи
- II.2Создание и понимание программного кода
- I.14Автоматизация процессов и AI-агенты
- I.3Извлечение и структурирование данных
- I.11Классификация, ранжирование и сопоставление
- II.4Отладка, тестирование и качество ПО
- I.6Перевод и языковая адаптация
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- MistralForCausalLM
- Ревизия весов
- b5ede4a