/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Своя лицензия
Архитектура
mistral · dense
Опубликована
27 ноя 2023

Mistral-7B-AEZAKMI-v1

Генерация текстаТекст → текст3 профессии

Дообученная 7-миллиардная модель Mistral для непринуждённого общения в формате чат-бота.

61скачиваний за 30 дней1лайквеса обновлены29 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.

  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-7B-AEZAKMI-v1 — языковая модель adamo1139, дообученная на наборе AEZAKMI v1, созданном на основе airoboros 2.2.1 и airoboros 2.2. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Для обучения применялись Axolotl и QLoRA с NF4 double quantization, примерно два прохода по данным.

Модель предназначена для непринуждённого общения в формате чат-бота; карточка отмечает естественную манеру ответов и отсутствие отказов как её особенности. Используется стандартный формат диалога ChatML. Автор предупреждает, что модель слаба в математике, загадках и сложных рассуждениях. Лицензия указана как other, поскольку автор не определил условия лицензирования с учётом лицензии исходного набора данных.

Сценарии применения

  • создание непринуждённого чат-бота
  • поддержание диалогов в формате ChatML
  • генерация естественных ответов в разговоре

Ограничения

Автор отмечает слабые результаты в математике, загадках и сложных рассуждениях. Лицензия указана как other, а её точные условия автором 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 7B model fine-tuned on AEZAKMI v1 dataset that is derived from airoboros 2.2.1 and airoboros 2.2. Finetuned with axolotl, using qlora and nf4 double quant, around 2 epochs, batch size 8, lr 0.00008, lr scheduler cosine. Scheduled training was 5 epochs, but loss seemed fine after 2 so I finished it quicker. Training took around 10 hours on single RTX 3090 Ti.

Main feature of this model is that it's output is free of refusals and it feels somehow more natural. Prompt format is standard chatml. Don't expect it to be good at math, riddles or be crazy smart. My end goal with AEZAKMI is to create a cozy free chatbot.

Not sure what license it needs to have, given license of airoboros dataset. I'll leave it as other for now.

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
fec4e69

0 моделей