Merge of Open-Orca/Mistral-7B-SlimOrca and Open-Orca/Mistral-7B-OpenOrca using ties merge.
Weights
Density
Quantizationed versions
Quantizationed versions of this model is available thanks to TheBloke.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 7,1 млрд
- Лицензия
- Apache 2.0
- Архитектура
- mistral · dense
- Опубликована
- 11 окт 2023
Ссылки
SlimOpenOrca-Mistral-7B
Слитая методом TIES 7,1-миллиардная модель Mistral для генерации текста и ответов на инструкции.
83скачиваний за 30 дней18лайковвеса обновлены17 ноя 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
SlimOpenOrca-Mistral-7B — языковая модель семейства Mistral, созданная Weyaxi слиянием TIES моделей Open-Orca/Mistral-7B-SlimOrca и Open-Orca/Mistral-7B-OpenOrca. Это плотная авторегрессионная модель на 7,1 млрд параметров, распространяемая в формате safetensors; нативный контекст составляет 32 768 токенов.
Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы и следование инструкциям. В README указаны веса слияния 0,5 для SlimOrca и 0,3 для OpenOrca, а также плотность 0,5 для каждой исходной модели. Лицензия — Apache-2.0. Карточка также сообщает о вариантах GPTQ, GGUF и AWQ, опубликованных TheBloke; это отдельные квантованные версии.
Сценарии применения
- генерация ответов на пользовательские вопросы
- диалоговый чат на основе языковой модели
- составление и продолжение текстов
- выполнение текстовых инструкций
Ограничения
В README не приведены оценки качества или результаты сравнительных тестов. Поддерживаемые языки не обозначены; квантованные варианты в GPTQ, GGUF и AWQ представлены отдельными репозиториями.
Для каких профессий подходит15
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели
Также подходит для
- II.1Анализ требований и архитектура ПО
- I.3Извлечение и структурирование данных
- II.10Разработка и эксплуатация AI/ML-систем
- II.2Создание и понимание программного кода
- I.11Классификация, ранжирование и сопоставление
- I.14Автоматизация процессов и AI-агенты
- I.6Перевод и языковая адаптация
- II.4Отладка, тестирование и качество ПО
- II.8Инженерия данных и аналитика
- II.3Рефакторинг, миграция и модернизация
- II.7DevOps, облако и эксплуатация IT-систем
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- MistralForCausalLM
- Ревизия весов
- a1a56c0