/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
22 млрд
Размер весов
44,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
11 апр 2024

Mistral-22B-v0.1

Генерация текстаТекст → текст3 профессии

Экспериментальная плотная модель Mistral на 22 млрд параметров для генерации текста, диалогов и пробного решения математических задач.

51скачиваний за 30 дней149лайковвеса обновлены12 апр 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

Mistral-22B-v0.1 — экспериментальная плотная языковая модель на 22 млрд параметров, созданная Nicolas Mejia-Petit. Автор описывает её как преобразование знаний Mixtral-8x-22B из архитектуры Mixture of Experts в одну плотную модель, а также сообщает о дообучении на 500 примерах вопросов и ответов и 500 примерах с Python. Модель предназначена для генерации текста и диалогов; среди заявленных возможностей — решение математических задач, хотя автор отмечает, что на математических данных её не обучали.

Модель использует архитектуру MistralForCausalLM, принимает текст и поддерживает контекст до 65 536 токенов. Карточка характеризует выпуск как ранний эксперимент и предупреждает, что от него не следует ожидать высокого качества. Языки обучения или поддержки в карточке не определены. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • эксперименты с преобразованием моделей MoE в плотные модели
  • пробное решение математических задач
  • генерация примеров и фрагментов кода на Python

Ограничения

Автор предупреждает, что это экспериментальный ранний выпуск, дообученный на небольшом наборе примеров, и не обещает высокого качества. Языки поддержки в карточке не определены.

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

Mistral-22b-V.01 Release Announcement 🚀

This model is not an moe, it is infact a 22B parameter dense model!

Date: April 11 Creator Nicolas Mejia-Petit

Overview

Just one day after the release of Mixtral-8x-22b, we are excited to introduce our handcrafted experimental model, Mistral-22b-V.01. This model is a culmination of equal knowledge distilled from all experts into a single, dense 22b model. This model is not a single trained expert, rather its a compressed MOE model, turning it into a dense 22b mode. This is the first working MOE to Dense model conversion.

Capabilities

  • Math Proficiency: The model exhibits strong mathematical abilities. Dispite not being trained on math.

Experimental Nature

Please note that Mistral-22b-V.01 is an experimental model. It has been fine-tuned with fewer examples compared to the model set for release tomorrow. We encourage you to explore its capabilities and provide feedback. This First model was trained on 500 regular human written Q/A and 500 tested python examples, this was done since it was only a test, it trained in less than an hour, so be warned this is a experimental model. Don't expect ground breaking results, expect llama 1 for now,the next V2 fingers crossed will be significantly better.

Upcoming Release: V.2

Stay tuned for the release of V.2 tomorrow, which will feature enhancements in:

  • Multi-turn conversations
  • Multiturn coding
  • JSON mode
  • Agent abilities

Background

The decision to release this experimental version was prompted by someone attempting to replicate my experiment based on my tweets. We wanted to ensure our community has access to the official version first.

Stay Updated

Keep an eye out for V.2, it's going to be a game-changer! And is currently training, will be done in the next ~24 hours. 🌟Paper Coming Soon🌟

Thank you!

  • Thank you to Daniel Han, for Unsloth AI which was used to train this model. this led to a 2-3x speed increae and 2-3x decrease in memmory consumption.
  • Thank you to Charles Coddard, for providng me with a script that was nessary to make this model.
  • Thank you to Mistral, for releasing Another Wonderful open source model, under Apache 2.0.
  • Thank you to Tim Dettmers, for creating QLora
  • Thank you to Tri Dao, for creating Flash Attention
  • Thank you to Microsoft, for the Lora paper, and the Slice-GPT paper.
  • Thank you to the Hugging Face team, for everything.❤️ We really do appreciate you guys and all your hard work and commitment to the open source community!❤️

I will answer more questions about this model tomorrow, I have not slept since mixtral 22bx8 dropped. Base model + V.2 Lora checkpoint will be available tomorrow

Future plans, potentially continued pretraning, if 1. more questions dosent help, or 2. My second idea to only use the knowledge from 2 experts as oppsed to all 8. Since compressing all 8 might lead to the DORI effect (yes from findng nemo, and yes I'm taking credit from coining this phrase).

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
de4570d

0 моделей