/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
17 апр 2024

ContextClassy-Merged-V1

Генерация текстаТекст → текст3 профессии

Дообученная на базе Zephyr-7B языковая модель для генерации англоязычных задач LeetCode по теме и уровню сложности.

22скачиваний за 30 дней0лайковвеса обновлены12 мая 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

Usaid Bin Rehan разработал ContextClassy-Merged-V1 — языковую модель для генерации задач в стиле LeetCode. Она принимает в запросе тему и уровень сложности и формирует задачу для практики программирования; автор также описывает применение в системах управления обучением и возможность дальнейшего дообучения на задачах с категориями по теме и сложности. Модель дообучена на основе Zephyr-7B.

Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и поддерживающая диалоговый сценарий. В метаданных указан английский язык и контекст до 32 768 токенов. Лицензия не указана в карточке. Генерация заданий для курсов вне программирования не проверена; автор отмечает, что модель ограничена генерацией задач LeetCode, на которых обучалась.

Сценарии применения

  • создание задач LeetCode для практики программирования
  • генерация задач по заданной теме программирования
  • подготовка задач заданного уровня сложности
  • встраивание генерации задач по программированию в LMS

Ограничения

Автор указывает, что модель ограничена генерацией задач LeetCode, на которых обучалась; генерация заданий для курсов вне программирования не проверена. Лицензия в карточке указана как отсутствующая.

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

Model Card for Model ID

Generates a LeetCode Question taking difficulty level and topic as input.

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: Usaid Bin Rehan
  • Funded by: NVIDIA Research Center
  • Model type: Question-Answering
  • Language(s) (NLP): English
  • License: None
  • Finetuned from model: Zephyr-7B

Model Sources [optional]

  • Paper [optional]: currently in works
  • Demo [optional]: will be made public soon

Uses

The model can be used directly in any LMS to generate LeetCode questions or can be fine-tuned on further difficulty and topic categorized questions.

Direct Use

The model can be inferenced to respond with LeetCode question that is categorized by the topic and difficulty level passed as prompt.

[More Information Needed]

[More Information Needed]

Out-of-Scope Use

Generating questions of courses other than programming has not been validated

[More Information Needed]

Bias, Risks, and Limitations

It is limited to only generating LeetCode questions it has been trained on

[More Information Needed]

Recommendations

It has been designed to generate popular LeetCode questions for practice

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
0b24710

0 моделей