/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
63,2 млн
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
13 мар 2024

sciphi-micro

Генерация текстаТекст → текст3 профессии

Экспериментальная уменьшенная модель Mistral для анализа сохранности весов после среза параметров и дальнейшего обучения.

162скачиваний за 30 дней0лайковвеса обновлены13 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

jtatman/sciphi-micro — экспериментальная уменьшенная модель семейства Mistral, созданная из SciPhi/SciPhi-Self-RAG-Mistral-7B-32k с помощью среза параметров через mergekit. По метаданным, модель содержит 63,2 млн параметров, использует архитектуру MistralForCausalLM и формат safetensors; длина контекста составляет 32 768 токенов. README указывает, что сокращённая модель предназначена для анализа слоёв и последующего обучения на приближённых к исходным датасетах SciPhi.

Модель служит экспериментом по изучению того, какую информацию исходных весов удаётся сохранить при сильном уменьшении модели. Автор предупреждает, что в текущем виде она генерирует бессмысленный текст и почти не даёт полезных ответов, поэтому не подходит для прикладной генерации. Лицензия — Apache-2.0.

Сценарии применения

  • анализ влияния среза слоёв и параметров на веса модели
  • исследование сохранения связей между исходными весами
  • эксперименты с дообучением сильно уменьшенной языковой модели

Ограничения

README предупреждает, что модель в текущем виде генерирует бессмысленный текст и почти не даёт полезных ответов. Её качество и пригодность для практического применения не установлены.

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

Model Card for Model ID

This is a model with altered parameters from a mergekit slice of SciPhi/SciPhi-Self-RAG-Mistral-7B-32k.

Model Details

Model Description

This model is an experimental model using minimal slices to gather core model properties that can be further trained.

The parameters have been reduced to just under 96 million. This is an experiment to see how far slicing can be taken while retaining original weight associations.

As such, he base model is a nonsense producer, and won't return much useful. However, a suprising portion of the original sciphi model has been retained as far as gradients go.

The model will be used for layer analysis and trained on a close approximation of the sciphi datasets using trainable parameters to see what original weights might be usable.

This process will be ongoing to see if rank stabilized tuning can save and enhance the original model information through recognizing original weight associations in the preserved layers, even after model resizing.

There is a twin (parent) project with a less siginificant size reduction (600 million params) that is being used for training analysis here: jtatman/sciphi-mini-600m

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
ad0032d

0 моделей