/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
29 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
26 мар 2024

WikiHow-Mistral-Instruct-7B

Генерация текстаТекст → текст4 профессии

Дообученная на WikiHow модель Mistral с 7,1 млрд параметров для генерации подробных пошаговых руководств и ответов в стиле WikiHow.

79скачиваний за 30 дней8лайковвеса обновлены7 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

WikiHow-Mistral-Instruct-7B — языковая модель ajibawa-2023, дообученная на наборе WikiHow для создания подробных пошаговых инструкций в стиле WikiHow. Она основана на Mistral-7B-Instruct-v0.2 и предназначена для ответов на запросы и генерации обучающих руководств по широкому кругу повседневных и специализированных тем.

Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст, поддерживает диалоговый формат ChatML; в карточке указан английский язык. Модель обучали три эпохи на WikiHow с использованием Axolotl.

Модель ориентирована на развёрнутые объяснения шагов, советов и рекомендаций. Возможны неточности в инструкциях, особенно в узкоспециализированных или чувствительных темах; качество и безопасность ответов следует проверять. Лицензия — Apache-2.0.

Сценарии применения

  • создание пошаговых инструкций по бытовым задачам
  • подготовка обучающих руководств по практическим навыкам
  • подробные ответы на вопросы в формате диалога
  • генерация советов и рекомендаций по заданной теме

Ограничения

Ответы могут содержать фактические ошибки, а качество инструкций зависит от темы и запроса; важные рекомендации следует проверять. Модель обучена на данных WikiHow и может воспроизводить характерный для них стиль.

Для каких профессий подходит4

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

WikiHow-Mistral-Instruct-7B

This Model is trained on my WikiHow dataset.

This model is very very good with generating tutorials in the style of WikiHow. By leveraging this repository of practical knowledge, the model has been trained to comprehend and generate text that is highly informative and instructional in nature. The depth and accuracy of generated tutorials is exceptional. The WikiHow dataset encompasses a wide array of topics, ranging from everyday tasks to specialized skills, making it an invaluable resource for refining the capabilities of language models. Through this fine-tuning process, the model has been equipped with the ability to offer insightful guidance and assistance across diverse domains.

This is a fully finetuned model. Links for Quantized models are given below.

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 3 epoch, training took more than 15 Hours. Axolotl codebase was used for training purpose. Entire data is trained on Mistral-7B-Instruct-v0.2.

Example Prompt:

This model uses ChatML prompt format.

<|im_start|>system
You are a Helpful Assistant who can write long and very detailed tutorial on various subjects in the styles of WiKiHow. Include in depth explanations for each step and how it helps achieve the desired outcome, including key tips and guidelines.<|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

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.61.25
AI2 Reasoning Challenge (25-Shot)60.92
HellaSwag (10-Shot)80.99
MMLU (5-Shot)58.57
TruthfulQA (0-shot)62.16
Winogrande (5-shot)74.82
GSM8k (5-shot)30.02

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
47f6da0

0 моделей