/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
68,7 млрд
Размер весов
501 ГБ
Лицензия
Llama 2
Архитектура
mixtral · MoE
Опубликована
17 янв 2024

orthorus-125b-moe

Генерация текстаТекст → текст4 профессии

Экспериментальная MoE-модель для генерации английского текста, объединяющая ответы WizardLM на технические и логические вопросы с диалоговыми и творческими ответами Synthia.

73скачиваний за 30 дней4лайкавеса 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/orthorus-125b-moe — экспериментальная языковая модель семейства Mixtral с архитектурой смеси экспертов (MoE), опубликованная автором как тестовый запуск будущей модели примерно на 70 млрд параметров. По описанию автора, она объединяет WizardLM/WizardLM-70B-V1.0 и migtissera/Synthia-70B: технические, логические и математические вопросы маршрутизируются к первой модели, творческие запросы и беседа — ко второй. Модель предназначена для генерации текста и диалогов, а также ответов на технические и математические вопросы.

В метаданных указаны 68,7 млрд параметров, контекст 2048 токенов, формат safetensors и лицензия Llama 2. Автор сообщает, что для инференса в полном разрешении требуется около 240 ГБ видеопамяти. README приводит результаты Open LLM Leaderboard, включая среднее значение 69,58, но не уточняет полный набор результатов. Модель рассчитана на английский язык согласно языковым тегам. Автор не описывает её как готовый продукт и называет тестовым запуском.

Сценарии применения

  • ответы на технические вопросы
  • решение логических и математических задач в текстовом диалоге
  • творческие беседы и генерация текста
  • эксперименты с маршрутизацией запросов между экспертами MoE

Ограничения

Для инференса в полном разрешении автор указывает потребность примерно в 240 ГБ видеопамяти; контекст ограничен 2048 токенами. Модель описана как тестовый запуск, а не как готовая к применению система.

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

img

This is a test run for a future 70b parameter models moe model. I took WizardLM/WizardLM-70B-V1.0 and migtissera/Synthia-70B as two base models and created the discriminator prompts to push technical, logic, and math type questions to the Wizard side and then all creative or conversation questions to the Synthia side. Now that this is working for me I am going to move to fine tuning models for more specific tasks. This model takes about 240GB of VRAM for full resolution inference. As far as I know, it is the first 125B parameter moe model publicly available. I plan on making more and sharing of course.

Hopefully I can add more info on this model, it loads perfectly for me and responds nicely. It might take me a bit since I want to make "Cerberus" with the fine tuned models and get it released. But enjoy this one, llama2 model.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.69.58
AI2 Reasoning Challenge (25-Shot)67.66
HellaSwag (10-Shot)85.52
MMLU (5-Shot)68.94
TruthfulQA (0-shot)56.27
Winogrande (5-shot)82.32
GSM8k (5-shot)56.79

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
b2f3be3

0 моделей