/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
Turdus
Опубликована
24 янв 2024

TurdusTrixBeagle-DARETIES-7B

Генерация текстаТекст → текст12 профессий

Слитая модель Mistral на 7,1 млрд параметров для генерации текста, диалогов, следования инструкциям и рассуждений.

68скачиваний за 30 дней1лайквеса обновлены4 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

TurdusTrixBeagle-DARETIES-7B — текстовая авторегрессионная модель на архитектуре Mistral, созданная слиянием udkai/Turdus, CultriX/MergeTrix-7B-v2 и mlabonne/NeuralBeagle14-7B методом DARE-TIES с помощью LazyMergekit. В конфигурации указан Mistral-7B-v0.1 как базовая модель; размер итоговой модели — 7,1 млрд параметров, контекст — до 32 768 токенов.

Модель предназначена для генерации текста, диалогов и ответов на инструкции, а также для задач рассуждения и творческого письма. В README приведены результаты Open LLM Leaderboard: средняя оценка 75,20, включая 73,46 на AI2 Reasoning Challenge и 88,61 на HellaSwag.

Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Языки и специализированные прикладные области в доступных материалах не обозначены.

Сценарии применения

  • генерация связного текста по запросу
  • ведение диалога с пользователем
  • ответы на инструкции и вопросы
  • решение задач на рассуждение
  • создание творческих текстов

Ограничения

Коммерческое использование ограничено лицензией CC BY-NC 4.0. В материалах не указаны поддерживаемые языки; результаты тестов из README не описывают качество во всех сценариях.

Для каких профессий подходит12

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

TurdusTrixBeagle-DARETIES-7B

TurdusTrixBeagle-DARETIES-7B is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: mistralai/Mistral-7B-v0.1
    # No parameters necessary for base model
  - model: udkai/Turdus
    parameters:
      density: 0.65
      weight: 0.4
  - model: CultriX/MergeTrix-7B-v2
    parameters:
      density: 0.45
      weight: 0.3
  - model: mlabonne/NeuralBeagle14-7B
    parameters:
      density: 0.55
      weight: 0.3
merge_method: dare_ties
base_model: mistralai/Mistral-7B-v0.1
parameters:
  int8_mask: true
dtype: float16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "jsfs11/TurdusTrixBeagle-DARETIES-7B"
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"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.75.20
AI2 Reasoning Challenge (25-Shot)73.46
HellaSwag (10-Shot)88.61
MMLU (5-Shot)64.89
TruthfulQA (0-shot)68.81
Winogrande (5-shot)85.16
GSM8k (5-shot)70.28

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
dd7a426

0 моделей