/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Архитектура
mistral · dense
Базовая модель
Flashback-Bellman
Опубликована
1 фев 2024

Munin-NeuralBeagle-Flashback-Bellman

Генерация текстаТекст → текст11 профессий

Объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров для генерации текста по запросу.

18скачиваний за 30 дней0лайковвеса обновлены1 фев 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

Munin-NeuralBeagle-Flashback-Bellman — языковая модель для генерации текста, созданная объединением моделей с помощью LazyMergekit. Карточка описывает смешивание RJuro/munin-neuralbeagle-7b и birgermoell/Flashback-Bellman методом dare_ties; метаданные указывают базовую Mistral-архитектуру и 7,1 млрд параметров.

Модель предназначена для генерации текста по текстовому запросу. Заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors с типом bfloat16. Лицензия и конкретные поддерживаемые языки в предоставленных источниках не обозначены.

Сценарии применения

  • генерация текста по инструкциям
  • составление черновиков и продолжение текста
  • ответы на текстовые запросы
  • работа с длинными текстовыми контекстами

Ограничения

Предоставленные источники не сообщают о проверенных показателях качества или поддерживаемых языках. Лицензия в них не указана.

Для каких профессий подходит11

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

Munin-NeuralBeagle-Flashback-Bellman

Munin-NeuralBeagle-Flashback-Bellman is a merge of the following models using LazyMergekit:

🧩 Configuration

  models:
    - model: RJuro/munin-neuralbeagle-7b
      # No parameters necessary for base model
    - model: birgermoell/Flashback-Bellman
      parameters:
        density: 0.53
        weight: 0.6
  merge_method: dare_ties
  base_model: RJuro/munin-neuralbeagle-7b
  parameters:
    int8_mask: true
  dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "birgermoell/Munin-NeuralBeagle-Flashback-Bellman"
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
8621996

0 моделей