/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
MN-LooseCannon-12B-v2
Опубликована
10 сен 2024

Nemo-Picaro-12B

Генерация текстаТекст → текст3 профессии

Nemo-Picaro-12B — дообученная языковая модель для написания историй и сценариев по текстовым подсказкам.

40скачиваний за 30 дней2лайкавеса обновлены15 сен 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0846

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3605

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,549

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3272

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2577

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4726

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Trappu разработал Nemo-Picaro-12B — плотную авторегрессионную языковую модель семейства Mistral на 12,1 млрд параметров, дообученную на собственной небольшой коллекции текстов без синтетических данных. Она ориентирована на написание историй и создание сценариев по тегам и кратким описаниям; модель принимает текст и генерирует текст. В карточке указаны контекст до 1 024 000 токенов и английский язык. Для диалогового формата рекомендован ChatML без системного промпта.

Модель предназначена прежде всего для творческого письма и ролевых сценариев, а не для универсальных диалогов. Автор отмечает склонность к выдаче себя за пользователя, слабые рассуждения и трудность управления ответами; обучение не включало данные для многоходового общения. Лицензия — Apache-2.0.

Сценарии применения

  • написание художественных историй по краткому описанию
  • создание сцен и сценариев по тегам
  • генерация ролевых сцен в формате ChatML

Ограничения

Автор сообщает о склонности модели к имперсонации, слабых рассуждениях и сложностях управления ответами; она обучалась на небольшом наборе данных без синтетических примеров и данных для многоходовых диалогов.

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

Uploaded model

  • Developed by: Trappu
  • License: apache-2.0
  • Finetuned from model : royallab/MN-LooseCannon-12B-v2

Details

This model was trained on my own little dataset free of synthetic data, which focuses solely on storywriting and scenrio prompting (Example: [ Scenario: bla bla bla; Tags: bla bla bla ]),

I don't really recommend this model due to its nature and obvious flaws (rampant impersonation, stupid, etc...). It's a a one-trick pony and will be really rough for the average LLM user to handle.

Instead, I recommend you guys use Magnum-Picaro-0.7-v2-12b. The idea was to have Magnum work as some sort of stabilizer to fix the issues that emerge from the lack of multiturn/smart data in Picaro's dataset. It worked, I think. I enjoy the outputs and it's smart enough to work with.

Prompting

If for some reason, you still want to try this model over Magnum-Picaro, it was trained on chatml with no system prompts, so below is the recommended prompt formatting.

<|im_start|>user
bla bla bla<|im_end|>
<|im_start|>assistant
bla bla bla you!<|im_end|>

For SillyTavern users:

Instruct template

Context template

Settings preset

The above settings are the ones I recommend.

Temp = 1.2

Min P = 0.1

DRY Rep Pen: Multiplier = 0.8, Base = 1.75, Allowed Length = 2, Penalty Range = 1024

Little guide on useful samplers and how to import settings presets and instruct/context templates and other stuff people might find useful here

Every other sampler neutralized.

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
d65bf38

0 моделей