/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Опубликована
2 фев 2024

MiaLatte-Indo-Mistral-7b

Генерация текстаТекст → текст3 профессии

Слитая разговорная модель Mistral на 7,1 млрд параметров для ответов на повседневные вопросы, прежде всего на индонезийском языке.

62скачиваний за 30 дней3лайкавеса обновлены10 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

MiaLatte-Indo-Mistral-7b — разговорная языковая модель на базе архитектуры Mistral, созданная indischepartij как слияние трёх моделей с помощью MergeKit. Она предназначена для ответов на повседневные вопросы на индонезийском языке; карточка также указывает английский среди языков модели. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Модель подходит для диалоговых приложений и генерации текстовых ответов. В README приведены результаты отдельных тестов рассуждения и здравого смысла, но они не гарантируют качество в других задачах. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • ответы на повседневные вопросы на индонезийском языке
  • создание чат-бота для диалога на индонезийском языке
  • генерация текстовых ответов в приложениях поддержки
  • многоходовой диалог с контекстом до 32 768 токенов

Ограничения

Предназначение, указанное в карточке, сосредоточено на повседневных вопросах на индонезийском языке; качество для других языков и специализированных задач не подтверждено. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

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

image/png

MiaLatte-Indo-Mistral-7b

MiaLatte is a derivative model of OpenMia, which is able to answer everyday questions specifically in Bahasa Indonesia (Indonesia Language).

some of GGUF: https://huggingface.co/indischepartij/MiaLatte-Indo-Mistral-7b-GGUF

Examples

image/png image/png image/png

MiaLatte-Indo-Mistral-7b is a merge of the following models using MergeKit:

🪄 Open LLM Benchmark

image/png

🧩 Configuration

slices:
models:
  - model: indischepartij/OpenMia-Indo-Mistral-7b-v2
    parameters:
      density: 0.50
      weight: 0.35
  - model: Obrolin/Kesehatan-7B-v0.1
    parameters:
      density: 0.50
      weight: 0.35
  - model: FelixChao/WestSeverus-7B-DPO-v2
    parameters:
      density: 0.50
      weight: 0.30
merge_method: dare_ties
base_model: indischepartij/OpenMia-Indo-Mistral-7b-v2
parameters:
  int8_mask: true
dtype: float16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "indischepartij/MiaLatte-Indo-Mistral-7b"
messages = [{"role": "user", "content": "Apa jenis skincare yang cocok untuk kulit berjerawat??"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.67.86
AI2 Reasoning Challenge (25-Shot)66.55
HellaSwag (10-Shot)85.23
MMLU (5-Shot)63.93
TruthfulQA (0-shot)56.04
Winogrande (5-shot)80.35
GSM8k (5-shot)55.04

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
0d23c0c

0 моделей