Характеристики

Контекст: 2 048 токенов
Параметры: 119 млн
Архитектура: mistral · dense
Библиотека: transformers
Опубликована: 29 июн 2024

Ссылки

Hugging Face arXiv 1910.09700

536137-augmented-mappings-small-control

Генерация текстаТекст → текст3 профессии

Компактная текстовая модель на архитектуре Mistral для генерации текста, с опубликованными результатами оценивания на нескольких тестах знаний и рассуждений.

207скачиваний за 30 дней0лайковвеса обновлены29 июн 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

crumb/536137-augmented-mappings-small-control — текстовая модель генерации на базе архитектуры Mistral, представленная в формате Safetensors и доступная через библиотеку Transformers. В метаданных указаны 118,9 млн параметров и контекст до 2048 токенов. Разработчик и сведения о происхождении модели в карточке не заполнены.

Модель предназначена для генерации текста; в README приведены результаты оценивания на наборах ARC, TruthfulQA и MMLU. Эти результаты не описывают конкретные пользовательские сценарии и не позволяют установить специализацию модели. Язык обучения или поддерживаемые языки не указаны.

Лицензия и условия использования не указаны. Карточка создана автоматически и содержит мало сведений о данных обучения, ограничениях и рекомендуемом применении.

Сценарии применения

генерация текста по текстовому запросу
экспериментальная оценка ответов на вопросы общего характера
исследовательское сравнение результатов на тестах ARC, TruthfulQA и MMLU

Ограничения

Карточка не сообщает язык модели, данные обучения, происхождение, лицензию или известные ограничения; приведённые результаты тестов сами по себе не подтверждают качество в прикладных сценариях. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

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 I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Tasks	Version	Filter	n-shot	Metric	Value		Stderr
arc_challenge	1	none	25	acc	0.1741	±	0.0111
		none	25	acc_norm	0.2304	±	0.0123
truthfulqa_mc2	2	none	0	acc	0.4616	±	0.0156
winogrande	1	none	5	acc	0.5107	±	0.014
hellaswag	1	none	10	acc	0.2753	±	0.0045
		none	10	acc_norm	0.2857	±	0.0045
gsm8k	3	strict-match	5	exact_match	0.0061	±	0.0021
		flexible-extract	5	exact_match	0.0129	±	0.0031

MMLU (0.2534122807017544, 0.004405796567928279)

Tasks	Filter	n-shot	Metric	Value		Stderr
world_religions	none	5	acc	0.2222	±	0.0319
virology	none	5	acc	0.1988	±	0.0311
us_foreign_policy	none	5	acc	0.2300	±	0.0423
sociology	none	5	acc	0.2338	±	0.0299
security_studies	none	5	acc	0.3673	±	0.0309
public_relations	none	5	acc	0.2273	±	0.0401
professional_psychology	none	5	acc	0.2402	±	0.0173
professional_medicine	none	5	acc	0.4265	±	0.0300
professional_law	none	5	acc	0.2419	±	0.0109
professional_accounting	none	5	acc	0.2589	±	0.0261
prehistory	none	5	acc	0.2716	±	0.0247
philosophy	none	5	acc	0.2412	±	0.0243
nutrition	none	5	acc	0.2516	±	0.0248
moral_scenarios	none	5	acc	0.2514	±	0.0145
moral_disputes	none	5	acc	0.2139	±	0.0221
miscellaneous	none	5	acc	0.2644	±	0.0158
medical_genetics	none	5	acc	0.3000	±	0.0461
marketing	none	5	acc	0.1923	±	0.0258
management	none	5	acc	0.1942	±	0.0392
machine_learning	none	5	acc	0.2500	±	0.0411
logical_fallacies	none	5	acc	0.2638	±	0.0346
jurisprudence	none	5	acc	0.1759	±	0.0368
international_law	none	5	acc	0.3554	±	0.0437
human_sexuality	none	5	acc	0.2443	±	0.0377
human_aging	none	5	acc	0.1928	±	0.0265
high_school_world_history	none	5	acc	0.2700	±	0.0289
high_school_us_history	none	5	acc	0.2990	±	0.0321
high_school_statistics	none	5	acc	0.4074	±	0.0335
high_school_psychology	none	5	acc	0.2422	±	0.0184
high_school_physics	none	5	acc	0.2053	±	0.0330
high_school_microeconomics	none	5	acc	0.2479	±	0.0280
high_school_mathematics	none	5	acc	0.2815	±	0.0274
high_school_macroeconomics	none	5	acc	0.2128	±	0.0208
high_school_government_and_politics	none	5	acc	0.2435	±	0.0310
high_school_geography	none	5	acc	0.3232	±	0.0333
high_school_european_history	none	5	acc	0.2848	±	0.0352
high_school_computer_science	none	5	acc	0.2800	±	0.0451
high_school_chemistry	none	5	acc	0.2906	±	0.0319
high_school_biology	none	5	acc	0.3032	±	0.0261
global_facts	none	5	acc	0.1600	±	0.0368
formal_logic	none	5	acc	0.1429	±	0.0313
elementary_mathematics	none	5	acc	0.2434	±	0.0221
electrical_engineering	none	5	acc	0.2483	±	0.0360
econometrics	none	5	acc	0.2544	±	0.0410
conceptual_physics	none	5	acc	0.3064	±	0.0301
computer_security	none	5	acc	0.1700	±	0.0378
college_physics	none	5	acc	0.2745	±	0.0444
college_medicine	none	5	acc	0.2601	±	0.0335
college_mathematics	none	5	acc	0.2500	±	0.0435
college_computer_science	none	5	acc	0.2900	±	0.0456
college_chemistry	none	5	acc	0.2400	±	0.0429
college_biology	none	5	acc	0.2500	±	0.0362
clinical_knowledge	none	5	acc	0.2075	±	0.0250
business_ethics	none	5	acc	0.2000	±	0.0402
astronomy	none	5	acc	0.1974	±	0.0324
anatomy	none	5	acc	0.3185	±	0.0402
abstract_algebra	none	5	acc	0.2300	±	0.0423

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

Developed by: [More Information Needed]
Funded by [optional]: [More Information Needed]
Shared by [optional]: [More Information Needed]
Model type: [More Information Needed]
Language(s) (NLP): [More Information Needed]
License: [More Information Needed]
Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

Repository: [More Information Needed]
Paper [optional]: [More Information Needed]
Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

Hardware Type: [More Information Needed]
Hours used: [More Information Needed]
Cloud Provider: [More Information Needed]
Compute Region: [More Information Needed]
Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

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: bd3ef86

Характеристики

Ссылки

536137-augmented-mappings-small-control

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит3

Карточка модели

Model Card for Model ID

MMLU (0.2534122807017544, 0.004405796567928279)

Model Details

Model Description

Model Sources [optional]

Uses

Direct Use

Downstream Use [optional]

Out-of-Scope Use

Bias, Risks, and Limitations

Recommendations

How to Get Started with the Model

Training Details

Training Data

Training Procedure

Preprocessing [optional]

Training Hyperparameters

Speeds, Sizes, Times [optional]

Evaluation

Testing Data, Factors & Metrics

Testing Data

Factors

Metrics

Results

Summary

Model Examination [optional]

Environmental Impact

Technical Specifications [optional]

Model Architecture and Objective

Compute Infrastructure

Hardware

Software

Citation [optional]

Glossary [optional]

More Information [optional]

Model Card Authors [optional]

Model Card Contact

Как запустить