/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
6 мар 2024

SauerkrautLM-14b-MoE-LaserChat

Генерация текстаТекст → текст3 профессии

Разговорная MoE-модель VAGO solutions и Hyperspace.ai для генерации ответов на немецком и английском языках.

83скачиваний за 30 дней7лайковвеса обновлены10 мар 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

SauerkrautLM-14b-MoE-LaserChat — разговорная языковая модель VAGO solutions и Hyperspace.ai, созданная объединением SauerkrautLM-7b-LaserChat и yam-peleg/Experiment26-7B с использованием подхода laserRMT. Это разреженная MoE-модель на архитектуре Mixtral с 7,1 млрд параметров и контекстом до 8192 токенов.

Модель предназначена для генерации ответов в диалоге и рассчитана прежде всего на немецкий и английский языки. Разработчики сообщают об улучшении немецких и английских навыков и приводят результаты нескольких бенчмарков. В отдельных формулировках на немецком возможны ошибки; поведение модели не всегда соответствует ожиданиям по уместности контента. Лицензия — Apache 2.0.

Сценарии применения

  • ответы на вопросы на немецком языке
  • ответы на вопросы на английском языке
  • ведение диалогов с пользователями
  • генерация коротких ответов по шаблону запроса

Ограничения

В немецких ответах могут встречаться неточные формулировки; разработчики также предупреждают, что модель не всегда генерирует уместный контент. Контекст ограничен 8192 токенами.

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

SauerkrautLM

VAGO solutions SauerkrautLM-14b-MoE-LaserChat

Introducing SauerkrautLM-14b-MoE-LaserChat – our Sauerkraut (2x7b) 14b MoE version of the powerful SauerkrautLM-7b-LaserChat and yam-peleg/Experiment26-7B !

By combining the two models, we were able to significantly increase both the German and English language skills. In addition, the initial SauerkrautLM-7b-LaserChat also acts as an adapter for Experiment26-7B, which means it benefits from the chat capabilities of the SauerkrautLM-7b-LaserChat. At the same time, the SauerkrautLM-7b-LaserChat benefits from the knowledge and creativity of Experiment26-7B.

The model SauerkrautLM-14b-MoE-LaserChat is a joint effort between VAGO solutions and Hyperspace.ai. Much appreciation goes to the tremendous research effort of Fernando Fernandes Neto, David Golchinfar and Eric Hartford on their laserRMT approach. Without their independent research collaboration this model release would not have been possible.

Table of Contents

  1. Overview of all SauerkrautLM-14b-MoE-LaserChat models
  2. Model Details
  3. Evaluation
  4. Disclaimer
  5. Contact
  6. Collaborations
  7. Acknowledgement

All SauerkrautLM-14b-MoE-LaserChat Models

ModelHFGPTQGGUFAWQ
SauerkrautLM-14b-MoE-LaserChatLinkcoming sooncoming sooncoming soon

Model Details

SauerkrautLM-14b-MoE-LaserChat

We improved the German language skills on this model further. Nevertheless, certain formulations may occur that are not entirely correct.

Prompt Template:

GPT4 Correct User: Hallo, wie geht es dir?<|end_of_turn|>GPT4 Correct Assistant: Hallo! Ich bin ein künstliches Intelligenzsystem und habe keine persönlichen Gefühle oder körperliche Zustände. Wie kann ich Ihnen helfen?<|end_of_turn|>GPT4 Correct User: Ich benötige nur einen kurzen Satz, den ich in das Prompt Template veröffentlichen kann.<|end_of_turn|>GPT4 Correct Assistant:


GPT4 Correct User: Hello<|end_of_turn|>GPT4 Correct Assistant: Hello! How can I help you today? If you have any questions or need assistance, feel free to ask.<|end_of_turn|>GPT4 Correct User: I just need a short sentence to post in the prompt template.<|end_of_turn|>GPT4 Correct Assistant:

Evaluation

Open LLM Leaderboard:

benchmarked on lm-evaluation-harness 0.4.1

MetricValue
Avg.71.65
ARC (25-shot)68.09
HellaSwag (10-shot)84.78
MMLU (5-shot)63.59
TruthfulQA (0-shot)58.57
Winogrande (5-shot)80.74
GSM8K (5-shot)74.15

Performance

ModelAGIEvalGPT4AllTruthfulQABigBenchAverage ⬇️
VAGOsolutions/SauerkrautLM-14b-MoE-LaserChat44.3874.7658.5747.9856.42
VAGOsolutions/SauerkrautLM-Gemma-7b37.572.4661.2445.3354.13
zephyr-7b-beta37.5271.7755.2639.7751.08
zephyr-7b-gemma-v0.134.2266.3752.1937.1047.47
google/gemma-7b-it21.3340.8441.7030.2533.53

AGIEval

TasksVersionFiltern-shotMetricValueStderr
agieval_sat_math1noneNoneacc0.3727±0.0327
noneNoneacc_norm0.3045±0.0311
agieval_sat_en_without_passage1noneNoneacc0.4806±0.0349
noneNoneacc_norm0.4612±0.0348
agieval_sat_en1noneNoneacc0.7816±0.0289
noneNoneacc_norm0.7621±0.0297
agieval_lsat_rc1noneNoneacc0.6134±0.0297
noneNoneacc_norm0.6059±0.0298
agieval_lsat_lr1noneNoneacc0.5431±0.0221
noneNoneacc_norm0.5216±0.0221
agieval_lsat_ar1noneNoneacc0.2435±0.0284
noneNoneacc_norm0.2174±0.0273
agieval_logiqa_en1noneNoneacc0.3871±0.0191
noneNoneacc_norm0.4101±0.0193
agieval_aqua_rat1noneNoneacc0.3031±0.0289
noneNoneacc_norm0.2677±0.0278

Average: 44.38%

GPT4All

TasksVersionFiltern-shotMetricValueStderr
arc_challenge1noneNoneacc0.5947±0.0143
noneNoneacc_norm0.6280±0.0141
arc_easy1noneNoneacc0.8506±0.0073
noneNoneacc_norm0.8468±0.0074
boolq2noneNoneacc0.8761±0.0058
hellaswag1noneNoneacc0.6309±0.0048
noneNoneacc_norm0.8323±0.0037
openbookqa1noneNoneacc0.326±0.0210
noneNoneacc_norm0.470±0.0223
piqa1noneNoneacc0.8237±0.0089
noneNoneacc_norm0.8335±0.0087
winogrande1noneNoneacc0.7466±0.0122

Average: 74.76%

TruthfulQA

TasksVersionFiltern-shotMetricValueStderr
truthfulqa_mc22none0acc0.5857±0.0141

Average: 58.57%

Bigbench

TasksVersionFiltern-shotMetricValueStderr
bbh_zeroshot_tracking_shuffled_objects_three_objects2flexible-extract0exact_match0.3120±0.0294
bbh_zeroshot_tracking_shuffled_objects_seven_objects2flexible-extract0exact_match0.1560±0.0230
bbh_zeroshot_tracking_shuffled_objects_five_objects2flexible-extract0exact_match0.1720±0.0239
bbh_zeroshot_temporal_sequences2flexible-extract0exact_match0.3960±0.0310
bbh_zeroshot_sports_understanding2flexible-extract0exact_match0.8120±0.0248
bbh_zeroshot_snarks2flexible-extract0exact_match0.5843±0.0370
bbh_zeroshot_salient_translation_error_detection2flexible-extract0exact_match0.4640±0.0316
bbh_zeroshot_ruin_names2flexible-extract0exact_match0.4360±0.0314
bbh_zeroshot_reasoning_about_colored_objects2flexible-extract0exact_match0.5520±0.0315
bbh_zeroshot_navigate2flexible-extract0exact_match0.5800±0.0313
bbh_zeroshot_movie_recommendation2flexible-extract0exact_match0.7320±0.0281
bbh_zeroshot_logical_deduction_three_objects2flexible-extract0exact_match0.5680±0.0314
bbh_zeroshot_logical_deduction_seven_objects2flexible-extract0exact_match0.3920±0.0309
bbh_zeroshot_logical_deduction_five_objects2flexible-extract0exact_match0.3960±0.0310
bbh_zeroshot_geometric_shapes2flexible-extract0exact_match0.3800±0.0308
bbh_zeroshot_disambiguation_qa2flexible-extract0exact_match0.6760±0.0297
bbh_zeroshot_date_understanding2flexible-extract0exact_match0.4400±0.0315
bbh_zeroshot_causal_judgement2flexible-extract0exact_match0.5882±0.0361

Average: 47.98%

Disclaimer

We must inform users that despite our best efforts in data cleansing, the possibility of uncensored content slipping through cannot be entirely ruled out. However, we cannot guarantee consistently appropriate behavior. Therefore, if you encounter any issues or come across inappropriate content, we kindly request that you inform us through the contact information provided. Additionally, it is essential to understand that the licensing of these models does not constitute legal advice. We are not held responsible for the actions of third parties who utilize our models.  

Contact

If you are interested in customized LLMs for business applications, please get in contact with us via our websites. We are also grateful for your feedback and suggestions.  

Collaborations

We are also keenly seeking support and investment for our startups, VAGO solutions and Hyperspace where we continuously advance the development of robust language models designed to address a diverse range of purposes and requirements. If the prospect of collaboratively navigating future challenges excites you, we warmly invite you to reach out to us at VAGO solutions, Hyperspace.computer

Acknowledgement

Many thanks to yam-peleg for providing such valuable model to the Open-Source community

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
5e08baf

0 моделей