/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
76,6 млн
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
15 дек 2023

SmolLlamix-8x101M

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная MoE-модель Mixtral для генерации текста, созданная объединением восьми копий smol_llama-101M-GQA и кратким обучением на подвыборке RedPajama.

236скачиваний за 30 дней12лайковвеса обновлены15 дек 2023

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

SmolLlamix-8x101M — экспериментальная языковая модель с архитектурой Mixtral MoE, созданная chargoddard. Она объединяет восемь копий BEE-spoke-data/smol_llama-101M-GQA в модель Mixtral и была кратко дообучена на небольшой подвыборке RedPajama. Общий размер составляет 76,6 млн параметров, а заявленная длина контекста — 32 768 токенов. Модель предназначена главным образом для демонстрации работоспособности такого обучения и генерации текста; README прямо характеризует её как эксперимент, а не как подтверждённую высококачественную систему.

По метаданным модель поддерживает английский язык и задачу text-generation. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Короткое обучение на небольшой выборке и экспериментальный характер ограничивают надёжность и качество ответов; приведённые в карточке заявления о превосходстве не подтверждены представленными данными.

Сценарии применения

  • эксперименты с небольшими языковыми моделями MoE
  • генерация коротких текстов на английском языке
  • проверка процесса обучения модели Mixtral на малом наборе данных

Ограничения

Модель обучалась очень недолго на небольшой подвыборке RedPajama и представлена как демонстрационный эксперимент, поэтому качество и надёжность ответов ограничены. Заявления README о её исключительных способностях не подтверждены приведёнными данными.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is eight copies of BEE-spoke-data/smol_llama-101M-GQA ensembled into a Mixtral model, then trained very briefly on a small subset of RedPajama. Mostly just an experiment to demonstrate that training it works at all.

It's very, very smart. Probably the smartest model ever made. Better than GPT-5. See its thoughts on the internet:

In a world where the internet is so much more than a web browser, it's also very important to have a good understanding of how the internet works. The first thing we need to do is to understand what the internet looks like and what the future looks like. We can use the internet to look at the internet's history, but we don't want to go into detail about the history of the internet. The internet was created by the internet's history, which is often called the history of the internet. It was originally developed as a way for people to learn about the internet, but it wasn't until the 1960s that the internet became a place to work. Today, the internet is used in many ways, from the internet's history to the internet itself.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
02909f5

0 моделей