/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
145 млн
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
8 мар 2024

nano-mistral

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель Mistral для продолжения веб-текстов при низком потреблении ресурсов.

2 009скачиваний за 30 дней9лайковвеса обновлены9 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.

  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

crumb/nano-mistral — компактная языковая модель семейства Mistral, опубликованная автором, указанным в карточке как «me». Это плотная авторегрессионная модель для генерации текста: в метаданных указано 145,5 млн параметров, контекстное окно — 2048 токенов, формат весов — Safetensors, библиотека — Transformers. Модель обучена на наборе crumb/askmistral-pile-2-15, а заявленный язык — английский.

Модель предназначена для продолжения общих веб-текстов при низком потреблении ресурсов. Она не является инструкционной моделью, поэтому не рассчитана на надёжное выполнение команд и диалоговые ответы по запросу. В карточке приведены результаты некоторых оценок Open LLM Leaderboard и MMLU, но они не гарантируют качество в конкретных сценариях. Лицензия — Apache-2.0; автор предупреждает о возможности токсичного содержимого в генерациях, несмотря на фильтрацию обучающих данных.

Сценарии применения

  • продолжение коротких англоязычных веб-текстов
  • генерация простых черновиков на английском языке
  • эксперименты с компактными авторегрессионными языковыми моделями

Ограничения

Модель не является инструкционной и может плохо выполнять указания или поддерживать диалог; генерации могут содержать токсичный текст. Контекст ограничен 2048 токенами, а приведённые оценки не гарантируют качество для конкретных задач.

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

Model Card for Model ID

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: me
  • Model type: Mistral
  • Language(s) (NLP): en
  • License: apache

Uses

general web text completions at extremely low resource use

Out-of-Scope Use

not an instruct model

Bias, Risks, and Limitations

trained on web text, though filtered no guarantees theres not toxic stuff in there

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("crumb/nano-mistral")
tokenizer = AutoTokenizer.from_pretrained("crumb/nano-mistral")

inputs = tokenizer(["Once upon a time,"], return_tensors="pt")
inputs = {k:v.to(model.device) for k,v in dict(inputs).items()}
outputs = model.generate(inputs, max_new_tokens=128, temperature=0.7, top_k=20, do_sample=True)
outputs = tokenizer.batch_decode(outputs)
for i in outputs:
  print(i)

Training Details

Training Data

crumb/askmistral-pile-2-15

Training Procedure

ParameterValue
Context Length2048
Batch Size128
Learning Rate6e-4
SchedulerOne-Cycle
Adam eps1e-8
Adam beta10.9
Adam beta20.95
Weight Decay0.1
Max Grad Norm1.0
Optimizeradamw_torch
Tokens3,401,640,960

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: bf16 non-mixed precision

Speeds, Sizes, Times [optional]

train_runtime 62541.9424

train_samples_per_second 26.557

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

held out set of crumb/askmistral-pile-2-15

Factors

[More Information Needed]

Metrics

open llm leaderboard eval datasets and settings

Results

OpenLLM Leaderboard Mean Score + Stderr: (29.30, 0.42)

TasksVersionFiltern-shotMetricValueStderr
arc_challenge1none25acc0.1843±0.0113
none25acc_norm0.2167±0.0120
truthfulqa_mc22none0acc0.4719±0.0156
winogrande1none5acc0.517±0.014
hellaswag1none10acc0.2803±0.0045
none10acc_norm0.2886±0.0045
gsm8k3strict-match5exact_match0.0008±0.0008
flexible-extract5exact_match0.0099±0.0027

MMLU

value, stderr = (0.253980701754386, 0.004428598058450528)

TasksVersionFiltern-shotMetricValueStderr
world_religions0none5acc0.2222±0.0319
virology0none5acc0.2711±0.0346
us_foreign_policy0none5acc0.3300±0.0473
sociology0none5acc0.2388±0.0301
security_studies0none5acc0.2367±0.0272
public_relations0none5acc0.2273±0.0401
professional_psychology0none5acc0.2484±0.0175
professional_medicine0none5acc0.4596±0.0303
professional_law0none5acc0.2464±0.0110
professional_accounting0none5acc0.2021±0.0240
prehistory0none5acc0.2130±0.0228
philosophy0none5acc0.2219±0.0236
nutrition0none5acc0.2157±0.0236
moral_scenarios0none5acc0.2380±0.0142
moral_disputes0none5acc0.2486±0.0233
miscellaneous0none5acc0.2516±0.0155
medical_genetics0none5acc0.3000±0.0461
marketing0none5acc0.2265±0.0274
management0none5acc0.1748±0.0376
machine_learning0none5acc0.3125±0.0440
logical_fallacies0none5acc0.2393±0.0335
jurisprudence0none5acc0.2315±0.0408
international_law0none5acc0.3140±0.0424
human_sexuality0none5acc0.2519±0.0381
human_aging0none5acc0.3049±0.0309
high_school_world_history0none5acc0.2658±0.0288
high_school_us_history0none5acc0.2451±0.0302
high_school_statistics0none5acc0.4722±0.0340
high_school_psychology0none5acc0.1963±0.0170
high_school_physics0none5acc0.3046±0.0376
high_school_microeconomics0none5acc0.2773±0.0291
high_school_mathematics0none5acc0.2667±0.0270
high_school_macroeconomics0none5acc0.2667±0.0224
high_school_government_and_politics0none5acc0.2591±0.0316
high_school_geography0none5acc0.2424±0.0305
high_school_european_history0none5acc0.2242±0.0326
high_school_computer_science0none5acc0.2800±0.0451
high_school_chemistry0none5acc0.2857±0.0318
high_school_biology0none5acc0.3129±0.0264
global_facts0none5acc0.1500±0.0359
formal_logic0none5acc0.1905±0.0351
elementary_mathematics0none5acc0.2513±0.0223
electrical_engineering0none5acc0.2759±0.0372
econometrics0none5acc0.2456±0.0405
conceptual_physics0none5acc0.2638±0.0288
computer_security0none5acc0.1800±0.0386
college_physics0none5acc0.2549±0.0434
college_medicine0none5acc0.2023±0.0306
college_mathematics0none5acc0.2900±0.0456
college_computer_science0none5acc0.2700±0.0446
college_chemistry0none5acc0.2500±0.0435
college_biology0none5acc0.2222±0.0348
clinical_knowledge0none5acc0.2377±0.0262
business_ethics0none5acc0.2100±0.0409
astronomy0none5acc0.1776±0.0311
anatomy0none5acc0.2593±0.0379
abstract_algebra0none5acc0.2200±0.0416

Summary

Model Examination [optional]

its ok

Environmental Impact

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

  • Hardware Type: A6000
  • Hours used: 34.74
  • Cloud Provider: n/a
  • Compute Region iowa
  • Carbon Emitted: 4.5kg CO2eq.

Technical Specifications [optional]

Model Architecture and Objective

mistral, causal language modelling

Compute Infrastructure

what

Hardware

lambda vector 2xA6000

Software

huggingface transformers / pytorch / custom trainer

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
c988b8c

0 моделей