/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
2 мар 2024

Grafted-Hermetic-Platypus-A-2x7B

Генерация текстаТекст → текст13 профессий

Чат-модель Mixtral, объединяющая Platyboros-Instruct-7B и Hermes-Instruct-7B-v0.2 для ответов на инструкции и генерации текста.

67скачиваний 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

Grafted-Hermetic-Platypus-A-2x7B — чат-модель семейства Mixtral, созданная объединением Platyboros-Instruct-7B и Hermes-Instruct-7B-v0.2. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы; карточка приводит форматы запросов Mistral-Instruct и Alpaca.

Модель имеет архитектуру Mixtral с разреженной смесью экспертов (MoE), около 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса Safetensors. В README приведены результаты Open LLM Leaderboard, включая среднее значение 64,23, но эти оценки сами по себе не гарантируют качество в конкретном сценарии. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы в диалоговом формате
  • генерация текста по инструкции
  • создание черновиков и кратких пояснений
  • выполнение запросов в форматах Mistral-Instruct и Alpaca

Ограничения

В README приведены результаты нескольких бенчмарков, но они не подтверждают качество для всех задач и условий эксплуатации. Языковая специализация модели в карточке не указана.

Для каких профессий подходит13

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

<img src=https://huggingface.co/lodrick-the-lafted/Grafted-Hermetic-Platypus-A-2x7B/resolve/main/ghp.png>

Grafted-Hermetic-Platypus-A-2x7B

MoE merge of

Prompt Format

Both the default Mistral-Instruct tags and Alpaca are fine, so either:

<s>[INST] {sys_prompt} {instruction} [/INST] 

or

{sys_prompt}

### Instruction:
{instruction}

### Response:

The tokenizer default is Alpaca this time around.

Usage

from transformers import AutoTokenizer
import transformers
import torch

model = "lodrick-the-lafted/Grafted-Hermetic-Platypus-A-2x7B"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    model_kwargs={"torch_dtype": torch.bfloat16},
)

messages = [{"role": "user", "content": "Give me a cooking recipe for an pumpkin pie."}]
prompt = pipeline.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_p=0.95)
print(outputs[0]["generated_text"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.64.23
AI2 Reasoning Challenge (25-Shot)59.30
HellaSwag (10-Shot)82.89
MMLU (5-Shot)62.00
TruthfulQA (0-shot)61.08
Winogrande (5-shot)77.66
GSM8k (5-shot)42.46

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
c0713c9

0 моделей