/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
10,6 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
10 янв 2024

Sakura-SOLAR-Instruct-CarbonVillain-en-10.7B-v2-slerp

Генерация текстаТекст → текст6 профессий

Объединённая методом SLERP модель Llama на 10,6 млрд параметров для диалоговой генерации текста.

8 815скачиваний за 30 дней0лайковвеса обновлены10 янв 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.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0491

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3054

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5158

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4555

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3146

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3992

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель invalid-coder/Sakura-SOLAR-Instruct-CarbonVillain-en-10.7B-v2-slerp — текстовая генеративная модель, полученная объединением CarbonVillain-en-10.7B-v2 и Sakura-SOLAR-Instruct методом SLERP с помощью LazyMergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 10,6 млрд параметров; репозиторий содержит веса Safetensors. Модель предназначена для диалогового взаимодействия и генерации текста.

Модель принимает текст и выдаёт текст. Контекстное окно составляет 4096 токенов. Репозиторий опубликован под лицензией Apache-2.0. Доступные сведения не описывают отдельное обучение, тестирование качества или ограничения по использованию, поэтому пригодность для конкретных задач следует оценивать отдельно.

Сценарии применения

  • ведение диалога с текстовым ассистентом
  • генерация ответов на текстовые запросы
  • составление и продолжение текстов

Ограничения

Контекстное окно ограничено 4096 токенами. В README нет результатов оценки качества или подробных сведений о сильных сторонах модели.

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

NeuralPipe-7B-slerp

NeuralPipe-7B-slerp is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  - sources:
      - model: jeonsworld/CarbonVillain-en-10.7B-v2
        layer_range: [0, 48]
      - model: kyujinpy/Sakura-SOLAR-Instruct
        layer_range: [0, 48]
merge_method: slerp
base_model: jeonsworld/CarbonVillain-en-10.7B-v2
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 # fallback for rest of tensors

tokenizer_source: union

dtype: float16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "invalid-coder/NeuralPipe-7B-slerp"
messages = [{"role": "user", "content": "What is a large language model?"}]

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"])

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
39a1c76

0 моделей