/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Архитектура
mistral · dense
Базовая модель
Mistral-Nemo-Instruct-2407
Библиотека
transformers
Опубликована
20 ноя 2024

MN-Slush

Генерация текстаТекст → текст3 профессии

MN-Slush — экспериментальная модель на базе Mistral Nemo Instruct для творческого письма и ролевых диалогов.

68скачиваний за 30 дней34лайкавеса обновлены2 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.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1269

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,534

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3933

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4077

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3508

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3238

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MN-Slush — экспериментальная разговорная языковая модель crestf411 для творческого письма и ролевых диалогов. Она построена на Mistral Nemo Instruct 2407: разработчик продолжил предобучение базовой модели с LoRA, объединил результат с инструктивной моделью и затем дообучил его для усиления ролевых способностей. Итоговые веса объединены методом TIES; размер модели — 12,1 млрд параметров, архитектура — плотная Mistral с авторегрессионной генерацией текста.

Модель рассчитана на ролевые сценарии, диалоги персонажей и творческое письмо. README рекомендует пресеты Silly Tavern для Mistral V2 или V3 и приводит настройки генерации, с которыми проводилось тестирование. Контекст в метаданных указан как 1 024 000 токенов; этапы обучения проводились с контекстом 16 384 токена. Данных о целевых языках в карточке нет. Модель обозначена как неподходящая для всех аудиторий; в карточке не указана лицензия, поэтому условия распространения и использования следует проверять отдельно.

Сценарии применения

  • ведение ролевого диалога от лица персонажа
  • создание ответов персонажей для Silly Tavern
  • написание художественных сцен и продолжений историй
  • генерация творческого текста по заданному сценарию

Ограничения

Разработчик характеризует модель как раннюю версию и предупреждает, что качество не гарантировано; результат может зависеть от используемого приложения и пресета. В метаданных есть пометка not-for-all-audiences.

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

slush.jpg

(GGUFs)

Slush is a two-stage model trained with high LoRA dropout, where stage 1 is a pretraining continuation on the base model, aimed at boosting the model's creativity and writing capabilities. This is then merged into the instruction tune model, and stage 2 is a fine tuning step on top of this to further enhance its roleplaying capabilities and/or to repair any damage caused in the stage 1 merge.

This is still early stage. As always, feedback is welcome, and begone if you demand perfection.

The second stage, like the Sunfall series, follows the Silly Tavern preset (Mistral V2 & V3, though V3-Tekken works fine), so ymmv in particular if you use some other tool and/or preset.

Parameter suggestions:

I did all my testing with temp 1, min-p 0.1, DRY 0.8.

Training details:

  • Stage 1 (continued pretraining)
    • Target: mistralai/Mistral-Nemo-Base-2407 (resulting LoRA merged into mistralai/Mistral-Nemo-Instruct-2407)
    • LoRA dropout 0.5 (motivation)
    • LoRA rank 64, alpha 128 (motivation)
    • LR cosine 4e-6
    • LoRA+ with LR Ratio: 15
    • Context size: 16384
    • Gradient accumulation steps: 4
    • Epochs: 1
  • Stage 2 (fine tune)
    • Target: Stage 1 model
    • LoRA dropout 0.5
    • LoRA rank 32, alpha 64
    • LR cosine 5e-6 (min 5e-7)
    • LoRA+ with LR Ratio: 15
    • Context size: 16384
    • Gradient accumulation steps: 4
    • Epochs: 2

Merge Details

Merge Method

This model was merged using the TIES merge method using mistralai/Mistral-Nemo-Base-2407 as a base.

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: stage1-on-instruct
    parameters:
      weight: 1
      density: 1
  - model: stage2-on-stage1
    parameters:
      weight: 0.7
      density: 1
  - model: mistralai/Mistral-Nemo-Instruct-2407
    parameters:
      weight: 1
      density: 1
merge_method: ties
base_model: mistralai/Mistral-Nemo-Base-2407
parameters:
  weight: 1
  density: 1
  normalize: true
  int8_mask: true
tokenizer_source: mistralai/Mistral-Nemo-Instruct-2407
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
MistralForCausalLM
Ревизия весов
46a0cd7

0 моделей