Характеристики

Контекст: 2 048 токенов
Параметры: 111 млн
Архитектура: mistral · dense
Библиотека: transformers
Опубликована: 29 фев 2024

Ссылки

Hugging Face arXiv 1910.09700

minipile-111m

crumb

Генерация текстаТекст → текст3 профессии

Компактная языковая модель архитектуры Mistral для генерации и продолжения текста.

286скачиваний за 30 дней0лайковвеса обновлены1 мар 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/minipile-111m — языковая модель для генерации текста, основанная на архитектуре Mistral. В репозитории указаны 111,1 млн параметров, класс MistralForCausalLM, формат safetensors и контекст до 2048 токенов; для работы используется библиотека Transformers.

Модель подходит для продолжения текста и простых экспериментов с генерацией. В README приведены результаты нескольких тестов на знания и рассуждение, однако описание обучения, предназначения, разработчика и языков отсутствует, поэтому эти результаты не позволяют судить о надёжности в конкретных сценариях. Лицензия и базовая модель не указаны.

Сценарии применения

продолжение коротких текстовых фрагментов
эксперименты с генерацией текста на базе Transformers
оценка небольшой языковой модели на тестах знаний

Ограничения

README не содержит сведений об обучающих данных, языках, лицензии и рекомендуемых сценариях. Указанные результаты тестов ограничены несколькими бенчмарками и не подтверждают качество в прикладных задачах.

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

Tasks	Version	Filter	n-shot	Metric	Value		Stderr
arc_challenge	1	none	25	acc	0.1775	±	0.0112
		none	25	acc_norm	0.2065	±	0.0118
truthfulqa_mc2	2	none	0	acc	0.4633	±	0.0155
winogrande	1	none	5	acc	0.5075	±	0.0141
hellaswag	1	none	10	acc	0.2685	±	0.0044
		none	10	acc_norm	0.2746	±	0.0045
gsm8k	3	strict-match	5	exact_match	0.0023	±	0.0013
		flexible-extract	5	exact_match	0.0152	±	0.0034

(0.26113333333333333, 0.004443523026985591)

Tasks	Filter	n-shot	Metric	Value		Stderr
world_religions	none	5	acc	0.2047	±	0.0309
virology	none	5	acc	0.1807	±	0.0300
us_foreign_policy	none	5	acc	0.2700	±	0.0446
sociology	none	5	acc	0.2488	±	0.0306
security_studies	none	5	acc	0.3347	±	0.0302
public_relations	none	5	acc	0.2273	±	0.0401
professional_psychology	none	5	acc	0.2042	±	0.0163
professional_medicine	none	5	acc	0.4485	±	0.0302
professional_law	none	5	acc	0.2458	±	0.0110
professional_accounting	none	5	acc	0.2163	±	0.0246
prehistory	none	5	acc	0.2222	±	0.0231
philosophy	none	5	acc	0.2379	±	0.0242
nutrition	none	5	acc	0.2810	±	0.0257
moral_scenarios	none	5	acc	0.2659	±	0.0148
moral_disputes	none	5	acc	0.2428	±	0.0231
miscellaneous	none	5	acc	0.2375	±	0.0152
medical_genetics	none	5	acc	0.3000	±	0.0461
marketing	none	5	acc	0.1966	±	0.0260
management	none	5	acc	0.1553	±	0.0359
machine_learning	none	5	acc	0.3304	±	0.0446
logical_fallacies	none	5	acc	0.2331	±	0.0332
jurisprudence	none	5	acc	0.2407	±	0.0413
international_law	none	5	acc	0.3306	±	0.0429
human_sexuality	none	5	acc	0.2595	±	0.0384
human_aging	none	5	acc	0.2063	±	0.0272
high_school_world_history	none	5	acc	0.2658	±	0.0288
high_school_us_history	none	5	acc	0.2745	±	0.0313
high_school_statistics	none	5	acc	0.4722	±	0.0340
high_school_psychology	none	5	acc	0.2330	±	0.0181
high_school_physics	none	5	acc	0.3311	±	0.0384
high_school_microeconomics	none	5	acc	0.3403	±	0.0308
high_school_mathematics	none	5	acc	0.2630	±	0.0268
high_school_macroeconomics	none	5	acc	0.3205	±	0.0237
high_school_government_and_politics	none	5	acc	0.3679	±	0.0348
high_school_geography	none	5	acc	0.3283	±	0.0335
high_school_european_history	none	5	acc	0.2606	±	0.0343
high_school_computer_science	none	5	acc	0.2800	±	0.0451
high_school_chemistry	none	5	acc	0.2956	±	0.0321
high_school_biology	none	5	acc	0.3194	±	0.0265
global_facts	none	5	acc	0.1600	±	0.0368
formal_logic	none	5	acc	0.1825	±	0.0346
elementary_mathematics	none	5	acc	0.2487	±	0.0223
electrical_engineering	none	5	acc	0.2966	±	0.0381
econometrics	none	5	acc	0.2632	±	0.0414
conceptual_physics	none	5	acc	0.2553	±	0.0285
computer_security	none	5	acc	0.1800	±	0.0386
college_physics	none	5	acc	0.2451	±	0.0428
college_medicine	none	5	acc	0.2312	±	0.0321
college_mathematics	none	5	acc	0.3200	±	0.0469
college_computer_science	none	5	acc	0.3000	±	0.0461
college_chemistry	none	5	acc	0.1800	±	0.0386
college_biology	none	5	acc	0.2778	±	0.0375
clinical_knowledge	none	5	acc	0.2340	±	0.0261
business_ethics	none	5	acc	0.2100	±	0.0409
astronomy	none	5	acc	0.1776	±	0.0311
anatomy	none	5	acc	0.2296	±	0.0363
abstract_algebra	none	5	acc	0.2200	±	0.0416

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: 3a9298f

Характеристики

Ссылки

minipile-111m

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

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