/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
Mistral-Starling-merge-trial1-7B
Библиотека
transformers
Опубликована
16 мая 2024

cuckoo-starling-32k-7B

Генерация текстаТекст → текст9 профессий

Объединённая чат-модель Mistral с контекстом до 32 768 токенов для генерации текста и диалоговых ответов.

60скачиваний за 30 дней3лайкавеса обновлены23 мая 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

cuckoo-starling-32k-7B — объединённая языковая чат-модель на архитектуре Mistral, созданная grimjim методом SLERP с помощью mergekit из grimjim/Mistral-Starling-merge-trial1-7B и grimjim/kukulemon-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Она предназначена для генерации текста и диалоговых ответов. В карточке указана поддержка шаблонов ChatML и Alpaca; автор сообщает о неформальном тестировании с настройками temperature 0,9–1,0 и minP 0,02. В README обсуждается ручная настройка RoPE theta до 100K и отмечается, что при тестировании связность повествования иногда ухудшалась с RoPE theta 1M.

Модель доступна в формате safetensors, использует библиотеку Transformers и распространяется по лицензии CC BY-NC 4.0, ограничивающей коммерческое использование. README приводит результаты нескольких оценок, но не описывает полный протокол тестирования, поэтому они не гарантируют качество на конкретных задачах.

Сценарии применения

  • ведение диалогов по шаблону ChatML
  • генерация развернутых текстовых ответов
  • ответы на вопросы с учётом длинного контекста
  • создание текста по шаблону Alpaca

Ограничения

Модель тестировалась неформально, поэтому приведённые результаты не устанавливают качество для конкретных сценариев. Автор отмечает, что при RoPE theta 1M связность повествования иногда ухудшалась; лицензия CC BY-NC 4.0 не допускает коммерческое использование.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cuckoo-starling-32k-7B

For this merged model, rope theta was in config.json was manually adjusted down to 100K, a value less than 1M as initially released by Mistral for v0.2, but higher than the 10K that accompanied practical 8K context for v0.1. We idly conjecture that 1M rope theta might improve performance for needle-in-a-haystack queries; however, during informal testing, narrative coherence seemed to occasionally suffer under 1M rope theta. Furthermore, the results reported in the arXiv paper Scaling Laws of RoPE-based Extrapolation suggest that 1M rope theta may be overkill for a 32K token context window.

Lightly tested with temperature 0.9-1.0 and minP 0.02, using ChatML prompts. The model natively supports Alpaca prompts.

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

slices:
  - sources:
      - model: grimjim/Mistral-Starling-merge-trial1-7B
        layer_range: [0, 32]
      - model: grimjim/kukulemon-7B
        layer_range: [0, 32]
# or, the equivalent models: syntax:
# models:
merge_method: slerp
base_model: grimjim/Mistral-Starling-merge-trial1-7B
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5 # fallback for rest of tensors
dtype: bfloat16

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.69.93
AI2 Reasoning Challenge (25-Shot)66.81
HellaSwag (10-Shot)85.97
MMLU (5-Shot)64.88
TruthfulQA (0-shot)59.03
Winogrande (5-shot)80.11
GSM8k (5-shot)62.77

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
48247f4

0 моделей