/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Архитектура
mistral · dense
Базовая модель
WestSeverus-7B-DPO-v2
Опубликована
29 янв 2024

WestLakeSeverusV2-DPO-7B-DARE-TA

Генерация текстаТекст → текст13 профессий

Объединённая 7,1-миллиардная модель Mistral для диалоговой генерации текста и ответов на запросы с контекстом до 32 768 токенов.

17скачиваний за 30 дней1лайквеса обновлены29 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 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

WestLakeSeverusV2-DPO-7B-DARE-TA — объединённая модель для генерации текста на основе архитектуры Mistral. Разработчик объединил FelixChao/WestSeverus-7B-DPO-v2 и macadeliccc/WestLake-7B-v2-laser-truthy-dpo методом dare_linear с помощью LazyMergekit; в конфигурации указаны веса 0,45 и 0,55, а также базовая модель mistralai/Mistral-7B-v0.1.

Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и принимает контекст до 32 768 токенов. Она предназначена для диалоговой генерации текста и ответов на запросы. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • составление текстов по запросу пользователя
  • продолжение заданного текста
  • ответы на вопросы на основе предоставленного контекста

Ограничения

Языки модели и её качество для конкретных задач не описаны в предоставленных данных. Лицензия также не указана.

Для каких профессий подходит13

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

WestLakeSeverusV2-DPO-7B-DARE-TA

WestLakeSeverusV2-DPO-7B-DARE-TA is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: FelixChao/WestSeverus-7B-DPO-v2
    parameters:
      density: 0.5
      weight: 0.45
  - model: macadeliccc/WestLake-7B-v2-laser-truthy-dpo
    parameters:
      density: 0.5
      weight: 0.55
merge_method: dare_linear
base_model: mistralai/Mistral-7B-v0.1
parameters:
  int8_mask: True
  normalize: True
dtype: float16


💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "jsfs11/WestLakeSeverusV2-DPO-7B-DARE-TA"
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
MistralForCausalLM
Ревизия весов
44d5dae

0 моделей