/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Опубликована
8 окт 2023

qa-expert-7B-V1.0

Генерация текстаТекст → текст9 профессий

Дообученная модель Mistral на 7,1 млрд параметров, которая разбивает многошаговые вопросы на простые и объединяет ответы в итоговый ответ.

20скачиваний за 30 дней5лайковвеса обновлены16 ноя 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

khaimaitien/qa-expert-7B-V1.0 — дообученная модель на базе mistralai/Mistral-7B-v0.1, созданная для многошагового ответа на вопросы. Она разбивает составной вопрос на последовательность простых вопросов, обрабатывает их по отдельности и объединяет сведения в итоговый ответ. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов.

Модель предназначена для сценариев, где ответ требует последовательного поиска и объединения нескольких фактов. В карточке указано дообучение на наборе khaimaitien/qa-expert-multi-hop-qa-V1.0; файлы представлены в формате safetensors. Заявленный язык — английский. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на составные вопросы по нескольким фактам
  • декомпозиция многошагового вопроса на простые вопросы
  • объединение ответов на связанные вопросы в итоговый ответ

Ограничения

Карточка описывает назначение для многошаговых вопросов, но не приводит результаты оценки качества или сведения о поведении на других типах задач. Лицензия в предоставленных данных не указана.

Для каких профессий подходит9

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

Model Card for qa-expert-7B-V1.0

This model aims to handle Multi-hop Question answering by splitting a multi-hop questions into a sequence of single questions, handle these single questions then summarize the information to get the final answer.

Model Details

This model is a fine-tuned version of mistralai/Mistral-7B-v0.1 on the dataset: khaimaitien/qa-expert-multi-hop-qa-V1.0

You can get more information about how to use/train the model from this repo: https://github.com/khaimt/qa_expert

Model Sources [optional]

How to Get Started with the Model

First, you need to clone the repo: https://github.com/khaimt/qa_expert

Then install the requirements:

pip install -r requirements.txt

Here is the example code:

from qa_expert import get_inference_model, InferenceType
def retrieve(query: str) -> str:
    # You need to implement this retrieval function, input is a query and output is a string
    # This can be treated as the function to call in function calling of OpenAI
    return context

model_inference = get_inference_model(InferenceType.hf, "khaimaitien/qa-expert-7B-V1.0")
answer, messages = model_inference.generate_answer(question, retriever_func)

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
2d27d52

0 моделей