/ Модель

Характеристики

Контекст
32 764 токена
Параметры
103 млрд
Лицензия
Не указана
Архитектура
llama · dense
Базовая модель
miqu-1-70b-sf
Опубликована
6 фев 2024

BigWeave-v16-103b

Генерация текстаТекст → текст4 профессии

Экспериментальная 103-миллиардная модель семейства Llama для генерации текста и диалогов, полученная самослиянием слоёв miqu-1-70b-sf.

61скачиваний за 30 дней5лайковвеса обновлены5 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

BigWeave v16 103b — экспериментальная плотная авторегрессионная языковая модель семейства Llama, созданная llmixer путём самослияния слоёв модели 152334H/miqu-1-70b-sf. Веса имеют около 102,9 млрд параметров и доступны в формате safetensors; контекст составляет 32 764 токена. Для запросов подходят форматы промптов Mistral, Vicuna и Alpaca.

Модель предназначена для генерации текста и диалогов, в том числе для оценки влияния настроек слияния слоёв на качество. В README приведены результаты Open LLM Leaderboard, включая средний балл 72,02, однако автор предупреждает, что номер версии не отражает качество, а экспериментальные варианты публикуются по результатам отбора. Карточка не сообщает лицензию, поэтому условия использования следует уточнить перед применением. Указан английский язык.

Сценарии применения

  • генерация текста на английском языке
  • диалоговые ответы в формате Mistral
  • диалоговые ответы в формате Vicuna
  • диалоговые ответы в формате Alpaca
  • экспериментальная оценка слияния слоёв языковой модели

Ограничения

Модель описана как экспериментальная, а номер версии не является показателем качества; приведённые результаты оценки не гарантируют качество для конкретных задач. Лицензия в метаданных указана как unknown.

Для каких профессий подходит4

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

BigWeave v16 103b

The BigWeave models aim to experimentally identify merge settings for increasing model performance. The version number merely tracks various attempts and is not a quality indicator. Only results demonstrating good performance are retained and shared.

Prompting Format

Mistral, Vicuna and Alpaca.

Merge process

This is a self-merge of 152334H/miqu-1-70b-sf. By conducting exl2 measurements, we identify the most relevant layers. The layers are duplicated such that each group consists of consecutive layers with a two-layer overlap (i.e. larger groups than in v15).

Merge configuration:

slices:
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [0,11]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [9,13]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [11,15]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [13,17]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [15,23]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [21,25]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [23,49]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [47,51]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [49,53]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [51,55]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [53,57]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [55,59]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [57,61]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [59,63]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [61,65]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [63,67]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [65,69]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [67,71]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [69,73]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [71,75]
  - sources:
    - model: 152334H/miqu-1-70b-sf
      layer_range: [73,80]
merge_method: passthrough
dtype: float16

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.72.02
AI2 Reasoning Challenge (25-Shot)65.87
HellaSwag (10-Shot)87.61
MMLU (5-Shot)73.22
TruthfulQA (0-shot)63.81
Winogrande (5-shot)80.43
GSM8k (5-shot)61.18

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
559af7b

0 моделей