/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
142 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
23 фев 2024

multimaster-7b-v5

Генерация текстаТекст → текст5 профессий

Модель Mixtral на 7,1 млрд параметров для генерации текста с контекстом до 32 768 токенов.

74скачиваний за 30 дней0лайковвеса обновлены4 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

ibivibiv/multimaster-7b-v5 — языковая модель для генерации текста, опубликованная на Hugging Face. По метаданным, она построена на архитектуре Mixtral с механизмом Mixture of Experts и содержит 7,1 млрд параметров. Модель рассчитана на контекст до 32 768 токенов и доступна в формате safetensors для библиотеки Transformers.

Модель подходит для генерации продолжений текста и других сценариев, основанных на text-generation. В карточке приведены результаты Open LLM Leaderboard: средний балл 75,01, ARC — 72,18, HellaSwag — 88,42; подробности остальных результатов не представлены. README не сообщает разработчика, данные обучения, специализацию и конкретные ограничения модели. Лицензия — Apache-2.0. Английский указан среди языковых тегов.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков и вариантов формулировок на английском
  • ответы на текстовые запросы на английском
  • проверка языковой модели на задачах ARC и HellaSwag

Ограничения

Карточка не описывает обучающие данные, специализацию и конкретные ограничения модели; приведены лишь некоторые результаты Open LLM Leaderboard.

Для каких профессий подходит5

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

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: [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]

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.75.01
AI2 Reasoning Challenge (25-Shot)72.18
HellaSwag (10-Shot)88.42
MMLU (5-Shot)65.06
TruthfulQA (0-shot)70.37
Winogrande (5-shot)86.03
GSM8k (5-shot)68.01

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
c6bc89a

0 моделей