Характеристики

Контекст: 131 072 токена
Параметры: 7,1 млрд
Размер весов: 15,2 ГБ
Архитектура: qwen2 · dense
Базовая модель: CoT-2.5
Библиотека: transformers
Опубликована: 16 окт 2024

Ссылки

Hugging Face arXiv 2306.01708

Qevacot-7B-v2

bunnycore

Генерация текстаТекст → текст9 профессий

Qevacot-7B-v2 — слитая на основе Qwen2.5-7B языковая модель для генерации текста и диалогов.

36скачиваний за 30 дней0лайковвеса обновлены16 окт 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Qevacot-7B-v2 — текстовая генеративная модель, созданная сообществом bunnycore как слияние нескольких языковых моделей с помощью mergekit. В основе слияния лежит Qwen/Qwen2.5-7B; использован метод TIES. В состав также вошли c10x/CoT-2.5, EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1, huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и Cran-May/T.E-8.1.

Модель построена на плотной архитектуре Qwen2, содержит 7,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; репозиторий указывает формат safetensors и библиотеку Transformers. Данные карточки не описывают отдельные языковые или предметные специализации, а также не содержат сведений о лицензии и конкретных оценках качества.

Сценарии применения

генерация ответов в диалоговом интерфейсе
составление черновиков и продолжение текста
ответы на вопросы в текстовом чате

Ограничения

В карточке нет результатов бенчмарков или подробных рекомендаций по применению, поэтому качество для конкретных задач не подтверждено. Сведения о лицензии не приведены в доступных данных.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

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 TIES merge method using Qwen/Qwen2.5-7B as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:


models:
  - model: EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1
    parameters:
      weight: 1
      density: 1

  - model: huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2
    parameters:
      weight: 1
      density: 1
      

  - model: c10x/CoT-2.5
    parameters:
      weight: 0.1
      density: 0.1

  - model: Cran-May/T.E-8.1
    parameters:
      weight: 0.1
      density: 0.1
      

merge_method: ties
base_model: Qwen/Qwen2.5-7B
parameters:
  density: 1
  normalize: true
  int8_mask: true
dtype: bfloat16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2ForCausalLM
Ревизия весов: 6ac514e