/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
4,5 млрд
Размер весов
9,2 ГБ
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
27 мар 2024

mis-wes

Генерация текстаТекст → текст3 профессии

Объединённая модель на архитектуре Mistral для генерации текста по запросам и продолжения текста.

398скачиваний за 30 дней0лайковвеса обновлены27 мар 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

mis-wes — языковая модель для генерации текста, созданная объединением mistralai/Mistral-7B-v0.1 и senseable/WestLake-7B-v2 с помощью LazyMergekit. Модель основана на архитектуре Mistral и содержит 4,5 млрд параметров; файлы опубликованы в формате safetensors. Указанная длина контекста — 32 768 токенов.

Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не приводит сведения о специализации, языковом покрытии или оценках качества. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текста по пользовательскому запросу
  • создание черновиков и продолжений текста
  • ответы на текстовые запросы
  • эксперименты с объединением языковых моделей

Ограничения

В предоставленных материалах не указаны языковое покрытие, оценки качества и условия лицензии; пригодность для конкретных задач требует отдельной проверки.

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

mis-wes

mis-wes is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  - sources:
      - model: mistralai/Mistral-7B-v0.1
        layer_range: [0, 20]
      - model: senseable/WestLake-7B-v2
        layer_range: [0, 20]
merge_method: slerp
base_model: mistralai/Mistral-7B-v0.1
parameters:
  t:
    - filter: lm_head
      value: [0.75]
    - filter: embed_tokens
      value: [0.75]
    - filter: self_attn
      value: [0.75,0.25]
    - filter: mlp
      value: [0.25,0.75]
    - filter: layernorm
      value: [0.5,0.5]
    - filter: modelnorm
      value: [0.75]
    - value: 0.5
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "ajay141/mis-wes"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

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
dd9ca47

0 моделей