/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
T3Q-Mistral-Orca-Math-DPO
Опубликована
16 мар 2024

T3qM7-7B

Генерация текстаТекст → текст9 профессий

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста и диалога с контекстом до 32 768 токенов.

25скачиваний за 30 дней0лайковвеса обновлены16 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

T3qM7-7B — объединённая текстовая модель на архитектуре Mistral, созданная Maxime Labonne автоматическим слиянием моделей chihoonlee10/T3Q-Mistral-Orca-Math-DPO и liminerity/M7-7b. Для слияния использован метод SLERP с настройками для слоёв self-attention и MLP; веса сохранены в формате safetensors и типе bfloat16.

Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. README не приводит оценок качества или сведений о языковом покрытии, поэтому результаты для конкретных языков и специализированных задач по этим данным подтвердить нельзя.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • написание и продолжение текстов
  • создание черновиков и кратких пояснений
  • ответы на запросы в текстовом формате

Ограничения

В README и метаданных не указаны оценки качества, тесты безопасности или подтверждённое языковое покрытие. Фактические возможности унаследованы от слитых моделей и могут зависеть от используемого промпта.

Для каких профессий подходит9

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

T3qM7-7B

T3qM7-7B is an automated merge created by Maxime Labonne using the following configuration.

🧩 Configuration

slices:
  - sources:
      - model: chihoonlee10/T3Q-Mistral-Orca-Math-DPO
        layer_range: [0, 32]
      - model: liminerity/M7-7b
        layer_range: [0, 32]
merge_method: slerp
base_model: chihoonlee10/T3Q-Mistral-Orca-Math-DPO
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
random_seed: 0
    ```

## 💻 Usage

```python
!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "automerger/T3qM7-7B"
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
62e2be8

0 моделей