/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
71,5 млрд
Размер весов
291 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
calme-3.2-instruct-78b
Библиотека
transformers
Опубликована
21 янв 2025

TRIOMPHANT-ECE-2.3-72B

Генерация текстаТекст → текст10 профессий

Слияние двух крупных языковых моделей на базе Qwen2 для диалогов, следования инструкциям и рассуждений.

33скачиваний за 30 дней2лайкавеса обновлены11 фев 2025

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

Youlln/TRIOMPHANT-ECE-2.3-72B — текстовая генеративная модель, созданная командой студентов инженерной школы ECE под руководством преподавателей и при поддержке лаборатории iLab. Это слияние SLERP моделей Sakalti/ultiima-72B и MaziyarPanahi/calme-3.2-instruct-78b для диалогов и генерации текста общего назначения. Карточка ориентирует модель на рассуждения, в том числе математические, понимание контекста и выполнение инструкций.

Модель основана на плотной архитектуре Qwen2 с причинным языковым моделированием, содержит 71,5 млрд параметров и поддерживает контекст до 32 768 токенов. Доступны веса safetensors для Transformers; лицензия — Apache-2.0. В карточке заявлены задачи NLP общего назначения, однако подробные результаты оценки и подтверждённые языки не приведены.

Сценарии применения

  • решение математических задач в диалоге
  • ответы на вопросы с учётом длинного контекста
  • выполнение текстовых инструкций
  • генерация связного текста общего назначения

Ограничения

Карточка не приводит бенчмарков или количественных оценок заявленных улучшений, поэтому качество рассуждений и других задач по ней оценить нельзя. Поддерживаемые языки не указаны.

Для каких профессий подходит10

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

ECE-TRIOMPHANT-2.1-YL-72B-SLERP-V1

This model has been produced by:

  • ROBERGE Marial, engineering student at French Engineering School ECE
  • ESCRIVA Mathis, engineering student at French Engineering School ECE
  • LALAIN Youri, engineering student at French Engineering School ECE
  • RAGE LILIAN, engineering student at French Engineering School ECE
  • HUVELLE Baptiste, engineering student at French Engineering School ECE

Under the supervision of:

  • Andre-Louis Rochet, Lecturer at ECE & Co-Founder of TW3 Partners
  • Paul Lemaistre, CTO of TW3 Partners

With the contribution of:

  • ECE engineering school as sponsor and financial contributor
  • François STEPHAN as director of ECE
  • Gérard REUS as acting director of iLAB
  • Matthieu JOLLARD ECE Alumni
  • Louis GARCIA ECE Alumni

Supervisory structure

The iLab (intelligence Lab) is a structure created by the ECE and dedicated to artificial intelligence

About ECE

ECE, a multi-program, multi-campus, and multi-sector engineering school specializing in digital engineering, trains engineers and technology experts for the 21st century, capable of meeting the challenges of the dual digital and sustainable development revolutions.

ECE-TRIOMPHANT-2.1-YL-72B-SLERP-V1 est un modèle de langage fusionné créé à partir des modèles Sakalti/ultiima-72B et MaziyarPanahi/calme-3.2-instruct-78b. Grâce à la méthode SLERP (Spherical Linear Interpolation), il combine les forces des deux architectures pour offrir des performances optimales sur des tâches complexes de traitement du langage naturel (NLP).

Caractéristiques

  • Méthode de fusion : SLERP (Spherical Linear Interpolation).
  • Modèles sources :
  • Points forts :
    • Performances améliorées sur des tâches multi-domaines et de raisonnement.
    • Capacité de traitement étendue grâce à la fusion des couches critiques.
  • Applications cibles :
    • Raisonnement mathématique.
    • Compréhension contextuelle.
    • Tâches instructives (Instruction Following).

Configuration

slices:
  - sources:
      - model: MaziyarPanahi/calme-3.2-instruct-78b
        layer_range: [0, 80]  # Limité à 80 couches
      - model: Sakalti/ultiima-72B
        layer_range: [0, 80]  # Correspondance avec le 78B
merge_method: slerp
base_model: MaziyarPanahi/calme-3.2-instruct-78b
parameters:
  t:
    - filter: self_attn
      value: [0, 0.25, 0.5, 0.75, 1]
    - filter: mlp
      value: [1, 0.75, 0.5, 0.25, 0]
    - value: 0.5
dtype: bfloat16

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
c95bcca

0 моделей