/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
29 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
4 мар 2024

llmdo-Mistral-7B-case-c-v1

Генерация текстаТекст → текст3 профессии

Дообученная на Mistral-7B-v0.1 англоязычная модель для генерации текста и экспериментов с упорядочиванием данных.

62скачиваний за 30 дней0лайковвеса 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

juhwanlee/llmdo-Mistral-7B-case-c-v1 — языковая модель Juhwan Lee, дообученная на основе Mistral-7B-v0.1 для упорядочивания данных. Это плотная трансформерная модель с Grouped-Query Attention и Sliding-Window Attention; репозиторий содержит веса в формате safetensors. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов.

Модель предназначена для генерации текста и экспериментов с задачами упорядочивания данных. Для дообучения использована случайная выборка из 100 000 примеров Open-Orca; язык карточки — английский. Лицензия — Apache-2.0. README называет модель тестом для упорядочивания данных, поэтому её пригодность для широкого практического применения не подтверждена.

Сценарии применения

  • эксперименты с упорядочиванием данных
  • генерация текста на английском языке
  • оценка языковой модели на задачах рассуждения
  • исследование влияния порядка данных при дообучении

Ограничения

README описывает модель как тест для упорядочивания данных, поэтому её качество и пригодность для широкого применения не установлены. Обучение выполнено на случайной выборке из 100 000 примеров Open-Orca.

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 Details

  • Model Description: This model is test for data ordering.
  • Developed by: Juhwan Lee
  • Model Type: Large Language Model

Model Architecture

This model is based on Mistral-7B-v0.1. We fine-tuning this model for data ordering task.

Mistral-7B-v0.1 is a transformer model, with the following architecture choices:

  • Grouped-Query Attention
  • Sliding-Window Attention
  • Byte-fallback BPE tokenizer

Dataset

We random sample Open-Orca dataset. (We finetune the 100,000 dataset)

Guthub

https://github.com/trailerAI

License

Apache License 2.0

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.62.16
AI2 Reasoning Challenge (25-Shot)62.03
HellaSwag (10-Shot)83.55
MMLU (5-Shot)62.69
TruthfulQA (0-shot)45.82
Winogrande (5-shot)79.08
GSM8k (5-shot)39.80

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
e9d523a

0 моделей