/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
3 янв 2024

NeuralHermes-MoE-2x7B

Генерация текстаТекст → текст6 профессий

Англоязычная MoE-модель на базе Mistral для генерации текста и диалоговых сценариев.

77скачиваний за 30 дней1лайквеса обновлены5 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

NeuralHermes-MoE-2x7B — языковая модель для генерации текста, созданная ibndias путём объединения teknium/OpenHermes-2.5-Mistral-7B и Intel/neural-chat-7b-v3-3 методом mergekit на базе Mistral-7B-v0.1. Модель использует архитектуру Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев.

В README приведены результаты на отдельных тестах рассуждения и понимания текста, но они не гарантируют качество в других задачах. Поддерживаемый язык по карточке — английский. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для запуска README показывает Transformers pipeline с bfloat16; модель требует совместимого программного и аппаратного окружения.

Сценарии применения

  • генерация ответов в текстовом чате
  • создание черновиков и продолжение текста
  • ответы на англоязычные запросы
  • решение текстовых задач на рассуждение

Ограничения

В README приведены лишь отдельные показатели бенчмарков, которые не характеризуют качество во всех сценариях. Для запуска требуется совместимое окружение Transformers и поддержка bfloat16 согласно примеру.

Для каких профессий подходит6

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

NeuralHermes-MoE-2x7B

This is a mix between teknium/OpenHermes-2.5-Mistral-7B and Intel/neural-chat-7b-v3-3. Using mistralai/Mistral-7B-v0.1 as the base model.

This Mixture of Expert was done using mergekit method.

Getting Started

import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="ibndias/NeuralHermes-MoE-2x7B",torch_dtype=torch.bfloat16, device_map="auto")

prompt = """<|system|> You are a helpful assistant.
<|user|>
Write me bash script to scan ip 192.3.1.4 with nmap only port that ends with 9 from 1-100.
<|assistant|>
"""
outputs = pipe(prompt, max_new_tokens=512, do_sample=True, temperature=0.2, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Output:

<|system|> You are a helpful assistant. <|user|> Write me bash script to scan ip 192.3.1.4 with nmap only port that ends with 9 from 1-100. <|assistant|> Sure, here's a bash script that scans the specified IP address with nmap for open ports that end with 9 from 1 to 100:

#!/bin/bash
IP_ADDRESS="192.3.1.4"
START_PORT=1
END_PORT=100
for ((i=$START_PORT; i<=$END_PORT; i++)); do
   PORT=$i
   if [[ $PORT % 10 == 9 ]]; then
       nmap -p $PORT $IP_ADDRESS
   fi
done

Save the script with a.sh extension (e.g., scan_ports.sh) and make it executable by running chmod +x scan_ports.sh. Then, run the script by executing ./scan_ports.sh. ...

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.64.08
AI2 Reasoning Challenge (25-Shot)62.12
HellaSwag (10-Shot)84.21
MMLU (5-Shot)64.56
TruthfulQA (0-shot)43.61
Winogrande (5-shot)78.14
GSM8k (5-shot)51.86

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
1a7695f

0 моделей