/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
8 дек 2023

OpenHermes-2.5-neural-chat-v3-2-Slerp

Генерация текстаТекст → текст15 профессий

Слитая на базе Mistral разговорная модель для генерации ответов и ведения диалогов.

72скачиваний за 30 дней27лайковвеса обновлены20 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.

  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

OpenHermes-2.5-neural-chat-v3-2-Slerp — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная объединением моделей с помощью mergekit. Она предназначена для генерации текста в диалогах и может использовать шаблоны ChatML и neural-chat-7b-v3-2. Заявленная длина контекста — 32 768 токенов.

Модель опубликована в формате safetensors под лицензией Apache-2.0. README приводит результаты оценки на Open LLM Leaderboard, включая средний балл 70,2, ARC и HellaSwag; эти результаты описывают оценивание, но не гарантируют качество в конкретном применении.

Сценарии применения

  • ведение диалога с пользователем
  • генерация ответов на текстовые запросы
  • создание черновиков и продолжение текста

Ограничения

README рекомендует шаблон ChatML, но не сообщает о языковой поддержке и специализированной проверке качества. Приведённые оценки на бенчмарках не гарантируют качество для конкретных задач.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

image/png

Use this instead:

https://hf.co/Weyaxi/OpenHermes-2.5-neural-chat-v3-3-Slerp

image/png

OpenHermes-2.5-neural-chat-v3-2-Slerp

This is the model for OpenHermes-2.5-neural-chat-v3-2-Slerp. I used mergekit to merge models.

Prompt Templates

You can use these prompt templates, but I recommend using ChatML.

ChatML (OpenHermes-2.5-Mistral-7B):

<|im_start|>system
{system}<|im_end|>
<|im_start|>user
{user}<|im_end|>
<|im_start|>assistant
{asistant}<|im_end|>

neural-chat-7b-v3-2:

### System:
{system}
### User:
{user}
### Assistant:

Yaml Config to reproduce


slices:
  - sources:
      - model: teknium/OpenHermes-2.5-Mistral-7B
        layer_range: [0, 32]
      - model: Intel/neural-chat-7b-v3-2
        layer_range: [0, 32]
merge_method: slerp
base_model: mistralai/Mistral-7B-v0.1
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5 # fallback for rest of tensors
dtype: float16

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.70.2
ARC (25-shot)67.49
HellaSwag (10-shot)85.42
MMLU (5-shot)64.13
TruthfulQA (0-shot)61.05
Winogrande (5-shot)80.3
GSM8K (5-shot)63.08

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
b7c2a40

0 моделей