/ Модель

Характеристики

Контекст
131 072 токена
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
25 дек 2024

NameLess-12B-prob

Генерация текстаТекст → текст10 профессий

Объединённая методом SLERP 12,1-миллиардная модель Mistral для генерации текста и диалогов с контекстом до 131 072 токенов.

24скачиваний за 30 дней0лайковвеса обновлены27 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.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3684

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4336

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3146

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6602

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1261

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5158

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

NameLess-12B-prob — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из моделей D:\VICIOUS_MESH-12B-OMEGA и D:\jetreessence. Разработчик репозитория — bamec66557; модель предназначена для генерации текста и диалогового взаимодействия.

Модель содержит 12,1 млрд параметров, принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. В метаданных указаны возможности чата и интерфейс вызова инструментов. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval 66,02 и BBH 31,36.

Модель распространяется по лицензии Apache-2.0. README не сообщает, на каких языках она обучена или проверена, поэтому языковую поддержку нельзя уточнить по доступным сведениям.

Сценарии применения

  • генерация ответов в диалоговом чате
  • продолжение и составление текстов
  • выполнение текстовых инструкций
  • эксперименты с объединением языковых моделей

Ограничения

README приводит лишь часть результатов Open LLM Leaderboard, поэтому этих данных недостаточно для широкой оценки качества. Языковая поддержка и поведение при вызове инструментов подробно не описаны.

Для каких профессий подходит10

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

Z-2-A.TEST-TEMP-MODEL

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:

  • D:\VICIOUS_MESH-12B-OMEGA
  • D:\jetreessence

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: "D:\\VICIOUS_MESH-12B-OMEGA"
  - model: "D:\\jetreessence"
merge_method: slerp
base_model: "D:\\VICIOUS_MESH-12B-OMEGA"
dtype: bfloat16
parameters:
  t: [0, 0.5, 1, 0.5, 0]

regularization:
  - method: gradient_penalty
    scale: 0.05
  - method: weight_clipping
    clip_range: [-0.15, 0.15]
  - method: random_noise
    scale: 0.01
  - method: attention_dropout
    scale: 0.02

postprocessing:
  - operation: entropy_regularization
    scale: 0.05
  - operation: non_linear_scaling
    parameters:
      function: relu
  - operation: sharpening
    intensity: 0.6
  - operation: gaussian_smoothing
    sigma: 0.3
  - operation: normalize
  - operation: dynamic_scaling
    scale_range: [0.98, 1.02]
  - operation: smoothing
    parameters:
      adaptive: true
      range: [0.98, 1.02]
      kernel_size: 3

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.26.94
IFEval (0-Shot)66.02
BBH (3-Shot)31.36
MATH Lvl 5 (4-Shot)11.10
GPQA (0-shot)8.61
MuSR (0-shot)14.70
MMLU-PRO (5-shot)29.83

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
7bd5aed

0 моделей