Характеристики
- Контекст
- 512 токенов
- Параметры
- 1 млн
- Размер весов
- 8,3 МБ
- Лицензия
- Apache 2.0
- Архитектура
- mistral · dense
- Опубликована
- 6 окт 2023
Ссылки
tiny-random-mistral
echarlaix/tiny-random-mistral — небольшая модель для генерации текста, опубликованная пользователем echarlaix на Hugging Face.
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.
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
Репозиторий содержит модель в формате Transformers/PyTorch с архитектурой MistralForCausalLM и примерами запуска через Transformers, vLLM и SGLang. README модели практически пуст, поэтому подробные сведения о разработчике, обучающих данных и результатах оценки отсутствуют.
Конфигурация описывает исключительно текстовую авторегрессионную модель с двумя слоями, размером скрытого представления 32, четырьмя attention heads, двумя key/value heads, словарём на 32 000 токенов и максимальной длиной последовательности 512 токенов. Поддерживаемая задача — text generation; сведения о языках, дополнительных модальностях и специализированной настройке отсутствуют.
Ключевое преимущество модели — очень малый размер, удобный для тестирования совместимости библиотек, пайплайнов инференса и разработческих сценариев. Из-за минимальной конфигурации и отсутствия опубликованных данных об обучении, оценках и качестве её нельзя рассматривать как полноценную универсальную языковую модель; практические возможности и качество генерации могут быть крайне ограничены. В репозитории указана лицензия Apache-2.0.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- MistralForCausalLM
- Ревизия весов
- 3d21ec4