/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
T3QM7XP
Опубликована
24 мар 2024

T3qm7xpT3q-7B

Генерация текстаТекст → текст

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

17скачиваний за 30 дней0лайковвеса обновлены16 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

T3qm7xpT3q-7B — объединённая модель для генерации текста, созданная Maxime Labonne автоматическим слиянием nlpguy/T3QM7XP и chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Слияние выполнено методом SLERP с настройками смешивания для слоёв self-attention и MLP; веса представлены в формате safetensors.

Модель подходит для генерации текста и диалоговых ответов, включая задачи с математической тематикой, унаследованной от одной из объединённых моделей. Метаданные указывают лицензию Apache-2.0. Карточка не приводит результатов оценки качества или подробных рекомендаций по использованию.

Сценарии применения

  • генерация связных текстовых ответов
  • диалоговые ответы на запросы пользователя
  • объяснение и решение математических задач
  • обработка длинных текстовых запросов в пределах контекста модели

Ограничения

В карточке не приведены результаты бенчмарков или оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

T3qm7xpT3q-7B

T3qm7xpT3q-7B is an automated merge created by Maxime Labonne using the following configuration.

🧩 Configuration

slices:
  - sources:
      - model: nlpguy/T3QM7XP
        layer_range: [0, 32]
      - model: chihoonlee10/T3Q-Mistral-Orca-Math-DPO
        layer_range: [0, 32]
merge_method: slerp
base_model: nlpguy/T3QM7XP
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/T3qm7xpT3q-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
9a0dc17

0 моделей