/ Модель

Характеристики

Контекст
200 000 токенов
Параметры
33,9 млрд
Размер весов
122 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
3 фев 2024

TomGrc_FusionNet_34Bx2_MoE_v0.1_DPO_f16

Генерация текстаТекст → текст7 профессий

Диалоговая MoE-модель на 33,9 млрд параметров, дообученная методом DPO для генерации текста и ответов в чате.

8 675скачиваний за 30 дней14лайковвеса обновлены1 ноя 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

TomGrc_FusionNet_34Bx2_MoE_v0.1_DPO_f16 — языковая модель для диалоговой генерации текста, созданная дообучением FusionNet_34Bx2_MoE_v0.1 методом Direct Preference Optimization (DPO). В карточке указаны архитектура MoE семейства Mixtral и 33,9 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 200 000 токенов.

Модель предназначена для чата и генерации ответов на текстовые запросы. README приводит результаты Open LLM Leaderboard: среднее значение 77,91, включая 74,06 на AI2 Reasoning Challenge и 86,74 на HellaSwag; эти оценки относятся к указанным тестам и не гарантируют качество в других сценариях. Поддерживаемые языки отдельно не перечислены.

Лицензия — Apache-2.0. Карточка не описывает дополнительные ограничения или специальные области применения.

Сценарии применения

  • ответы на запросы в текстовом чате
  • генерация продолжений текста
  • проверка языковой модели на тестах рассуждения
  • оценка здравого смысла в текстовых сценариях

Ограничения

Поддерживаемые языки и ограничения качества за пределами приведённых тестов не описаны.

Для каких профессий подходит7

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

this is a DPO fine-tuned MoE model for TomGrc/FusionNet_34Bx2_MoE_v0.1

DPO Trainer
TRL supports the DPO Trainer for training language models from preference data, as described in the paper Direct Preference Optimization: Your Language Model is Secretly a Reward Model by Rafailov et al., 2023. 

Metrics Metrics

Metrics Metrics

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.77.91
AI2 Reasoning Challenge (25-Shot)74.06
HellaSwag (10-Shot)86.74
MMLU (5-Shot)76.65
TruthfulQA (0-shot)72.24
Winogrande (5-shot)83.35
GSM8k (5-shot)74.45

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
a542d33

0 моделей