/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Архитектура
mistral · dense
Базовая модель
Genstruct-7B
Опубликована
13 мар 2024

GenStructDolphin-7B-Slerp

Генерация текстаТекст → текст11 профессий

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста и диалогов, сочетающая Genstruct-7B с Dolphin 2.6.

16скачиваний за 30 дней2лайкавеса обновлены20 июл 2026

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

GenStructDolphin-7B-Slerp — объединённая языковая модель автора artificialguybr, созданная с помощью LazyMergekit на основе NousResearch/Genstruct-7B и cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser. Это плотная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; она предназначена для генерации текста и диалогового взаимодействия.

Модель можно применять для ответов в чате, подготовки инструкций и сложных вопросов по текстовым корпусам, а также для создания синтетических обучающих данных. Описание не сообщает результатов оценки качества или специальных гарантий поведения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на запросы в диалоговом интерфейсе
  • генерация инструкций по текстовым корпусам
  • составление сложных вопросов по документам
  • создание синтетических текстовых данных для обучения
  • продолжение и преобразование текста

Ограничения

В предоставленных материалах нет результатов сравнительных оценок или описания специальных ограничений поведения. Лицензия не указана в доступных данных.

Для каких профессий подходит11

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

GenStructDolphin-7B-Slerp

GenStructDolphin-7B-Slerp is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  - sources:
      - model: NousResearch/Genstruct-7B
        layer_range: [0, 32]
      - model: cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser
        layer_range: [0, 32]
merge_method: slerp
base_model: NousResearch/Genstruct-7B

---
### 🌐 Website
You can find more of my models, projects, and information on my official website:
- **[artificialguy.com](https://artificialguy.com/)**


### 🚀 Prompt Hub
Need high-quality prompts for image models and LLMs? Explore **[findgoodprompt.com](https://findgoodprompt.com)**.
### 💖 Support My Work
If you find this model useful, please consider supporting my work. It helps me cover server costs and dedicate more time to new open-source projects.
- **Patreon:** [Support on Patreon](https://www.patreon.com/user?u=81570187)
- **Ko-fi:** [Buy me a Ko-fi](https://ko-fi.com/artificialguybr)
- **Buy Me a Coffee:** [Buy me a Coffee](https://buymeacoffee.com/jvkape)
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "artificialguybr/GenStructDolphin-7B-Slerp"
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"])

Explore More

Discover more of my models, projects, and practical AI resources:

  • AI tools directory: JustGoodAI — a curated directory of useful AI tools.

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
d05ff8a

0 моделей