/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
26 апр 2024

IceCoffeeRP-7b

Генерация текстаТекст → текст3 профессии

Слитая на базе Mistral разговорная модель на 7,1 млрд параметров для генерации ролевых диалогов, в том числе контента для взрослых.

33скачиваний за 30 дней6лайковвеса обновлены26 июл 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4889

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0544

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4959

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2975

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,416

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2852

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

IceCoffeeRP-7b — разговорная языковая модель на архитектуре Mistral, собранная разработчиком icefog72 с помощью mergekit методом SLERP из предварительно обученных моделей. Она предназначена для генерации текста в диалоге; в README указаны шаблоны Alpaca и, возможно, ChatML. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Модель ориентирована на ролевые диалоги и сценарии с контентом для взрослых, что отражено в тегах NSFW и not-for-all-audiences. В README приведены результаты оценок Open LLM Leaderboard и варианты ExL2-квантизации 4.2, 6.5 и 8 bpw. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Сценарии применения

  • ведение ролевых диалогов с ИИ
  • генерация реплик персонажей
  • создание диалоговых сцен для художественных историй

Ограничения

Модель помечена как предназначенная не для всех аудиторий и может генерировать контент для взрослых. Лицензия CC BY-NC 4.0 запрещает коммерческое использование; сведения README о входящих в слияние моделях используют локальные Windows-пути, поэтому их публичные идентификаторы определить нельзя.

Для каких профессий подходит3

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

IceCoffeeRP-7b (IceCoffeeTest11)

Merge Details

This is a merge of pre-trained language models created using mergekit. Prompt template: Alpaca, maybe ChatML

  • measurement.json for quanting exl2 included.

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

  • G:\FModels\IceCoffeeTest10
  • G:\FModels\IceCoffeeTest5

Configuration

The following YAML configuration was used to produce this model:


slices:
  - sources:
      - model: G:\FModels\IceCoffeeTest5
        layer_range: [0, 32]
      - model: G:\FModels\IceCoffeeTest10
        layer_range: [0, 32]
merge_method: slerp
base_model: G:\FModels\IceCoffeeTest5
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
dtype: float16

How to download From the command line

I recommend using the huggingface-hub Python library:

pip3 install huggingface-hub

To download the main branch to a folder called IceCoffeeRP-7b:

mkdir IceCoffeeRP-7b
huggingface-cli download icefog72/IceCoffeeRP-7b --local-dir IceCoffeeRP-7b --local-dir-use-symlinks False

If you remove the --local-dir-use-symlinks False parameter, the files will instead be stored in the central Hugging Face cache directory (default location on Linux is: ~/.cache/huggingface), and symlinks will be added to the specified --local-dir, pointing to their real location in the cache. This allows for interrupted downloads to be resumed, and allows you to quickly clone the repo to multiple places on disk without triggering a download again. The downside, and the reason why I don't list that as the default option, is that the files are then hidden away in a cache folder and it's harder to know where your disk space is being used, and to clear it up if/when you want to remove a download model.

The cache location can be changed with the HF_HOME environment variable, and/or the --cache-dir parameter to huggingface-cli.

For more documentation on downloading with huggingface-cli, please see: HF -> Hub Python Library -> Download files -> Download from the CLI.

To accelerate downloads on fast connections (1Gbit/s or higher), install hf_transfer:

pip3 install hf_transfer

And set environment variable HF_HUB_ENABLE_HF_TRANSFER to 1:

mkdir FOLDERNAME
HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download MODEL --local-dir FOLDERNAME --local-dir-use-symlinks False

Windows Command Line users: You can set the environment variable by running set HF_HUB_ENABLE_HF_TRANSFER=1 before the download command.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.73.19
AI2 Reasoning Challenge (25-Shot)71.16
HellaSwag (10-Shot)87.74
MMLU (5-Shot)63.54
TruthfulQA (0-shot)70.03
Winogrande (5-shot)82.48
GSM8k (5-shot)64.22

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.20.24
IFEval (0-Shot)49.59
BBH (3-Shot)29.40
MATH Lvl 5 (4-Shot)4.83
GPQA (0-shot)4.70
MuSR (0-shot)11.00
MMLU-PRO (5-shot)21.94

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
fd0fbac

0 моделей