/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
una-cybertron-7b-v2-bf16
Опубликована
6 дек 2023

trained-una-cybertron-7b-v2-bf16

Генерация текстаТекст → текст

Дообученная Mistral-модель для генерации кода на Ruby, включая тесты RSpec.

18скачиваний за 30 дней0лайковвеса обновлены10 дек 2023

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

Модель jaigouk/trained-una-cybertron-7b-v2-bf16 — дообученная версия fblgit/una-cybertron-7b-v2-bf16, основанной на архитектуре Mistral. Она предназначена для генерации кода на Ruby, в частности тестов RSpec, при работе с системным сообщением. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и доступна в формате Safetensors; в метаданных указана возможность диалогового взаимодействия.

Лицензия — Apache-2.0. README сообщает о значении loss 1,0274 на оценочном наборе, но не описывает данные обучения и подробную методику оценки, поэтому этот результат сам по себе не позволяет судить о качестве кода в прикладных проектах.

Сценарии применения

  • написание кода на Ruby по системной инструкции
  • создание тестов RSpec
  • генерация фрагментов Ruby-кода в диалоговом режиме

Ограничения

README не раскрывает обучающие данные и подробности оценки; приведённый loss не показывает напрямую качество генерации кода. Назначение модели описано узко: Ruby и RSpec.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trained-una-cybertron-7b-v2-bf16

This model is a fine-tuned version of fblgit/una-cybertron-7b-v2-bf16 on an https://huggingface.co/datasets/Nan-Do/instructional_code-search-net-ruby.

It achieves the following results on the evaluation set:

  • Loss: 1.0274

Model description

  • intention is to use this with system message for generating ruby codes

Intended uses & limitations

  • writing rspec / ruby codes

Training and evaluation data

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: constant
  • lr_scheduler_warmup_steps: 1
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
1.08590.39501.0936
1.0360.781001.0274

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.1.0+cu118
  • Datasets 2.15.0
  • Tokenizers 0.14.1

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
2a1e2ae

0 моделей