/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
21 апр 2024

General-Stories-Mistral-7B

Генерация текстаТекст → текст3 профессии

Дообученная на наборе историй модель Mistral-7B для генерации художественных рассказов широкой тематики на английском языке.

43скачиваний за 30 дней5лайковвеса обновлены23 апр 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

General-Stories-Mistral-7B — языковая модель ajibawa-2023 для генерации художественных историй широкой тематики. Она дообучена методом qLoRA на базе Mistral-7B-v0.1 на наборе General-Stories-Collection, содержащем около 1,3 млн синтетических историй; обучение проводилось в течение двух эпох с использованием Axolotl. Модель имеет плотную архитектуру MistralForCausalLM примерно на 7,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Модель предназначена для создания рассказов, поиска сюжетных идей и творческого письма для широкой аудитории. Карточка указывает английский язык и формат диалога ChatML. Репозиторий содержит веса PyTorch; в README также упомянуты отдельные варианты GGUF и Exllama v2. Лицензия — Apache-2.0. Качество и фактическая надёжность вне сценариев художественной генерации в карточке не описаны.

Сценарии применения

  • создание коротких рассказов по заданной теме
  • придумывание сюжетов и завязок для художественных произведений
  • генерация продолжения истории
  • подготовка творческих текстов для широкой аудитории

Ограничения

Модель обучена преимущественно на синтетических историях, поэтому её ответы ориентированы на художественную генерацию и могут быть ненадёжны для фактических задач. Карточка не приводит оценок качества или подробностей о разнообразии и ограничениях обучающих данных.

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

General-Stories-Mistral-7B

This model is based on my dataset General-Stories-Collection which has 1.3 million stories especially meant for General audience.

After an extensive training period spanning over 15 days, this model has been meticulously honed to deliver captivating narratives with broad appeal. Leveraging a vast synthetic dataset comprising approximately 1.3 million stories tailored for diverse readership, this model possesses a deep understanding of narrative intricacies and themes. What sets my model apart is not just its ability to generate stories, but its capacity to evoke emotion, spark imagination, and forge connections with its audience.

I am excited to introduce this powerful tool, ready to spark imagination and entertain readers worldwide with its versatile storytelling capabilities.

As we embark on this exciting journey of AI storytelling, I invite you to explore the endless possibilities my model has to offer. Whether you're a writer seeking inspiration, a reader in search of a captivating tale, or a creative mind eager to push the boundaries of storytelling, my model is here to inspire, entertain, and enrich your literary experience.

Kindly note this is qLoRA version.

GGUF & Exllama

GGUF: Link

Exllama v2: Link

Special Thanks to Bartowski for quantizing this model.

Training

Entire dataset was trained on 4 x A100 80GB. For 2 epoch, training took more than 15 Days. Axolotl codebase was used for training purpose. Entire data is trained on Mistral-7B-v0.1.

Example Prompt:

This model uses ChatML prompt format.

<|im_start|>system
You are a Helpful Assistant.<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

You can modify above Prompt as per your requirement.

I want to say special Thanks to the Open Source community for helping & guiding me to better understand the AI/Model development.

Thank you for your love & support.

Example Output

Example 1

image/jpeg

Example 2

image/jpeg

Example 3

image/jpeg

Example 4

image/jpeg

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
7ca9755

0 моделей