/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Опубликована
2 окт 2023

koishi-7b-qlora

Генерация текстаТекст → текст4 профессии

Дообученная на инструкционных данных модель Mistral с 7,1 млрд параметров для генерации диалоговых ответов.

40скачиваний за 30 дней1лайквеса обновлены7 апр 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

ewof/koishi-7b-qlora — языковая модель для генерации текста, разработанная на основе Mistral-7B-v0.1. Её дообучили методом LoRA ранга 16 на наборе ewof/koishi-instruct-metharme в течение одной эпохи, после чего адаптер объединили с базовой моделью. Для обучения использовался Axolotl; веса опубликованы в формате PyTorch.

Модель предназначена для генерации ответов в диалогах по заданному формату промпта и истории переписки. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README описаны роли для дополнительной информации, пользовательского ввода и генерации ответа.

Карточка не сообщает о специализированной области применения или поддерживаемых естественных языках. Лицензия в предоставленных данных не указана. Модель обучалась одну эпоху; других сведений о качестве, оценке и ограничениях не приведено.

Сценарии применения

  • генерация ответов в переписке
  • создание диалогового помощника
  • продолжение разговора по истории сообщений

Ограничения

В README указано обучение в течение одной эпохи, но результаты оценивания и сведения о качестве не приведены. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Для каких профессий подходит4

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

Training

axolotl was used for training on a 6x nvidia a40 gpu cluster.

the a40 GPU cluster has been graciously provided by Arc Compute.

trained on koishi commit 6e675d1 for one epoch

Base Model

rank 16 lora tune of mistralai/Mistral-7B-v0.1 (all modules, merged)

Prompting

The current model version has been trained on prompts using three different roles, which are denoted by the following tokens: <|system|>, <|user|> and <|model|>.

The <|system|> prompt can be used to inject out-of-channel information behind the scenes, while the <|user|> prompt should be used to indicate user input. The <|model|> token should then be used to indicate that the model should generate a response. These tokens can happen multiple times and be chained up to form a conversation history.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
995d663

0 моделей