/ Модель

Характеристики

Контекст
131 072 токена
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
VICIOUS_MESH-12B-BETA
Библиотека
transformers
Опубликована
22 дек 2024

Mistral-Nemo-VICIOUS_MESH-12B-2407

Генерация текстаТекст → текст15 профессий

Плотная языковая модель Mistral на 12,1 млрд параметров, полученная слиянием двух моделей VICIOUS_MESH для генерации текста и диалогов с контекстом до 131 072 токенов.

29скачиваний за 30 дней2лайкавеса обновлены23 дек 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,431

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1367

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6706

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3154

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3677

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5156

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

bamec66557/Mistral-Nemo-VICIOUS_MESH-12B-2407 — языковая модель, созданная разработчиком bamec66557 слиянием моделей VICIOUS_MESH-12B-BETA и VICIOUS_MESH-12B-OMEGA методом SLERP с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров.

Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс для вызова инструментов. Нативная длина контекста — 131 072 токена. Карточка приводит результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но они не гарантируют качество для конкретных задач.

Модель распространяется в формате safetensors по лицензии Apache-2.0. В предоставленной карточке не перечислены поддерживаемые естественные языки и конкретные ограничения применения.

Сценарии применения

  • генерация текстовых ответов в диалоге
  • создание черновиков и продолжение текста
  • выполнение инструкций в текстовом формате
  • передача запросов инструментам через предусмотренный интерфейс

Ограничения

Поддерживаемые естественные языки в предоставленных данных не перечислены. Результаты лидерборда сами по себе не подтверждают качество модели на прикладных задачах.

Для каких профессий подходит15

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

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

base_model: bamec66557/VICIOUS_MESH-12B-OMEGA
dtype: bfloat16
merge_method: slerp
tokenizer_source: base

# Slices Configuration
slices:
  - sources:
      - model: bamec66557/VICIOUS_MESH-12B-OMEGA
        layer_range: [0, 10]
      - model: bamec66557/VICIOUS_MESH-12B-BETA
        layer_range: [0, 10]
    parameters:
      t:
        - name: self_attn
          value: [0.5, 0.55, 0.6, 0.65, 0.7]
        - name: mlp
          value: [1.0, 1.05, 1.1, 1.15, 1.2]
        - name: layer_norm
          value: [0.9, 0.95, 1.0, 1.05, 1.1]

  - sources:
      - model: bamec66557/VICIOUS_MESH-12B-OMEGA
        layer_range: [10, 20]
      - model: bamec66557/VICIOUS_MESH-12B-BETA
        layer_range: [10, 20]
    parameters:
      t:
        - name: self_attn
          value: [0.4, 0.45, 0.5, 0.55, 0.6]
        - name: mlp
          value: [1.1, 1.15, 1.2, 1.25, 1.3]
        - name: layer_norm
          value: [1.0, 1.05, 1.1, 1.15, 1.2]

  - sources:
      - model: bamec66557/VICIOUS_MESH-12B-OMEGA
        layer_range: [20, 30]
      - model: bamec66557/VICIOUS_MESH-12B-BETA
        layer_range: [20, 30]
    parameters:
      t:
        - name: self_attn
          value: [0.6, 0.65, 0.7, 0.75, 0.8]
        - name: mlp
          value: [0.9, 0.95, 1.0, 1.05, 1.1]
        - name: layer_norm
          value: [0.85, 0.9, 0.95, 1.0, 1.05]

  - sources:
      - model: bamec66557/VICIOUS_MESH-12B-OMEGA
        layer_range: [30, 40]
      - model: bamec66557/VICIOUS_MESH-12B-BETA
        layer_range: [30, 40]
    parameters:
      t:
        - name: self_attn
          value: [0.7, 0.75, 0.8, 0.85, 0.9]
        - name: mlp
          value: [0.8, 0.85, 0.9, 0.95, 1.0]
        - name: layer_norm
          value: [0.8, 0.85, 0.9, 0.95, 1.0]

# Regularization
regularization:
  - method: gradient_penalty
    scale: 0.05  # Increased influence for gradient control
  - method: weight_clipping
    clip_range: [-0.2, 0.2]  # Broader clipping range for flexibility
  - method: random_noise
    scale: 0.01  # Stronger noise injection
  - method: attention_dropout
    scale: 0.1  # Higher dropout to reduce attention fixation

# Postprocessing
postprocessing:
  - operation: entropy_regularization
    scale: 0.05  # Stronger encouragement for diverse outputs
  - operation: non_linear_scaling
    parameters:
      function: tanh
  - operation: sharpening
    intensity: 0.5  # Enhanced sharpening for precise outputs
  - operation: gaussian_smoothing
    sigma: 1.5  # Increased smoothing for stable outputs
  - operation: normalize
  - operation: dynamic_scaling
    scale_range: [0.8, 1.2]  # Expanded dynamic range for scaling
  - operation: smoothing
    parameters:
      adaptive: true
      range: [0.85, 1.15]  # Wider adaptive smoothing range
      kernel_size: 5

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.27.26
IFEval (0-Shot)67.21
BBH (3-Shot)31.36
MATH Lvl 5 (4-Shot)12.08
GPQA (0-shot)8.84
MuSR (0-shot)14.34
MMLU-PRO (5-shot)29.76

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
6f0e921

0 моделей