/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Библиотека
transformers
Опубликована
4 янв 2024

zephyr-7b-sft-full

Генерация текстаТекст → текст7 профессий

Диалоговая модель на базе Mistral-7B-v0.1 для генерации текстовых ответов на запросы пользователя.

26скачиваний за 30 дней0лайковвеса обновлены24 июл 2025

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

lewtun/zephyr-7b-sft-full — диалоговая языковая модель, дообученная на mistralai/Mistral-7B-v0.1 с помощью TRL. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; модель предназначена для генерации ответов в диалоге по текстовым запросам. Заявленная длина контекста — 32 768 токенов.

Модель можно применять для ответов на вопросы и ведения текстового диалога. Репозиторий содержит веса в формате Safetensors и рассчитан на запуск через библиотеку Transformers. Сведения о лицензии, обучающих данных и оценках качества в доступных материалах отсутствуют.

Сценарии применения

  • ответы на вопросы в текстовом диалоге
  • генерация ответов на открытые вопросы
  • создание диалоговых прототипов
  • тестирование и изучение дообучения Mistral с помощью TRL

Ограничения

В карточке не приведены оценки качества, обучающие данные и лицензия, поэтому практические возможности и условия использования требуют дополнительной проверки. Указана генерация ответов, но отдельные специализированные задачи не заявлены.

Для каких профессий подходит7

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 zephyr-7b-sft-full

This model is a fine-tuned version of mistralai/Mistral-7B-v0.1. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="lewtun/zephyr-7b-sft-full", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.19.1
  • Transformers: 4.53.3
  • Pytorch: 2.6.0+cu126
  • Datasets: 4.0.0
  • Tokenizers: 0.21.2

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
049204b

0 моделей