/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
T3Q-Mistral-Orca-Math-DPO
Опубликована
29 мар 2024

Experiment28T3q-7B

Генерация текстаТекст → текст3 профессии

Автоматически объединённая 7,1-миллиардная модель семейства Mistral для генерации текста, основанная на экспериментальной модели и DPO-дообученной математической модели.

27скачиваний за 30 дней0лайковвеса обновлены29 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

Experiment28T3q-7B — автоматическое слияние моделей, созданное Maxime Labonne с помощью mergekit. В конфигурации указаны yam-peleg/Experiment28-7B и chihoonlee10/T3Q-Mistral-Orca-Math-DPO; применён метод dare_ties с параметрами density 0,53 и weight 0,6. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров.

Модель предназначена для генерации текста по текстовым запросам; математическая специализация унаследована от DPO-дообученной базовой модели. Контекст составляет 32 768 токенов. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. README не приводит оценок качества или подробных результатов слияния.

Сценарии применения

  • генерация ответов на текстовые запросы
  • решение математических задач в диалоге
  • пошаговое объяснение математических решений

Ограничения

README не содержит оценок качества или сравнительных тестов, поэтому точность математических ответов и преимущество слияния не подтверждены.

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

Experiment28T3q-7B

Experiment28T3q-7B is an automated merge created by Maxime Labonne using the following configuration.

🧩 Configuration

models:
- model: yam-peleg/Experiment28-7B
  # No parameters necessary for base model
- model: chihoonlee10/T3Q-Mistral-Orca-Math-DPO
  parameters:
    density: 0.53
    weight: 0.6
merge_method: dare_ties
base_model: yam-peleg/Experiment28-7B
parameters:
int8_mask: true
dtype: bfloat16
random_seed: 0

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "automerger/Experiment28T3q-7B"
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
d8b03e9

0 моделей