/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
cc
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
30 янв 2024

MBX-7B-v3-DPO

Генерация текстаТекст → текст6 профессий

Дообученная на предпочтениях версия Mistral на 7,1 млрд параметров для генерации диалогового текста и более правдивых ответов.

67скачиваний за 30 дней5лайковвеса 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

MBX-7B-v3-DPO — языковая модель macadeliccc, дообученная методом DPO на основе flemmingmiguel/MBX-7B-v3 с использованием набора данных jondurbin/truthy-dpo-v0.1. Она предназначена для генерации текста и диалоговых сценариев, где важны полезные и правдивые ответы.

Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В README приведены результаты нескольких бенчмарков, включая EQ-Bench и Open LLM Leaderboard, но они не гарантируют качество на конкретных прикладных задачах. Модель доступна в формате safetensors для Transformers; в карточке указана лицензия CC.

Сценарии применения

  • генерация ответов в чат-боте
  • ведение диалогов в формате ChatML
  • создание черновиков и продолжение текста
  • ответы на вопросы общего характера
  • эксперименты с DPO и оценка языковых моделей

Ограничения

README не описывает ограничения модели по языкам или прикладным областям; опубликованные бенчмарки не заменяют проверку на целевых данных. Для запуска могут потребоваться значительные ресурсы видеопамяти, особенно при длинном контексте.

Для каких профессий подходит6

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

MBX-7B-v3-DPO

This model is a finetune of flemmingmiguel/MBX-7B-v3 using jondurbin/truthy-dpo-v0.1

MBX-v3-orca

Code Example

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("macadeliccc/MBX-7B-v3-DPO")
model = AutoModelForCausalLM.from_pretrained("macadeliccc/MBX-7B-v3-DPO")

messages = [
    {"role": "system", "content": "Respond to the users request like a pirate"},
    {"role": "user", "content": "Can you write me a quicksort algorithm?"}
]
gen_input = tokenizer.apply_chat_template(messages, return_tensors="pt")

Example Output

image/png

GGUF

Available here

Exllamav2

Quants are available from bartowski, check them out here

Download the size you want below, VRAM figures are estimates.

BranchBitslm_head bitsVRAM (4k)VRAM (16k)VRAM (32k)Description
8_08.08.08.4 GB9.8 GB11.8 GBMaximum quality that ExLlamaV2 can produce, near unquantized performance.
6_56.58.07.2 GB8.6 GB10.6 GBVery similar to 8.0, good tradeoff of size vs performance, recommended.
5_05.06.06.0 GB7.4 GB9.4 GBSlightly lower quality vs 6.5, but usable on 8GB cards.
4_254.256.05.3 GB6.7 GB8.7 GBGPTQ equivalent bits per weight, slightly higher quality.
3_53.56.04.7 GB6.1 GB8.1 GBLower quality, only use if you have to.

Evaluations

EQ-Bench Comparison

Original Model

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
MBX-7B-v3-DPO45.1677.7374.6248.8361.58

AGIEval

TaskVersionMetricValueStderr
agieval_aqua_rat0acc27.95±2.82
acc_norm26.77±2.78
agieval_logiqa_en0acc41.01±1.93
acc_norm40.55±1.93
agieval_lsat_ar0acc25.65±2.89
acc_norm23.91±2.82
agieval_lsat_lr0acc50.78±2.22
acc_norm52.94±2.21
agieval_lsat_rc0acc66.54±2.88
acc_norm65.80±2.90
agieval_sat_en0acc77.67±2.91
acc_norm77.67±2.91
agieval_sat_en_without_passage0acc43.20±3.46
acc_norm43.20±3.46
agieval_sat_math0acc32.27±3.16
acc_norm30.45±3.11

Average: 45.16%

GPT4All

TaskVersionMetricValueStderr
arc_challenge0acc68.43±1.36
acc_norm68.34±1.36
arc_easy0acc87.54±0.68
acc_norm82.11±0.79
boolq1acc88.20±0.56
hellaswag0acc69.76±0.46
acc_norm87.40±0.33
openbookqa0acc40.20±2.19
acc_norm49.60±2.24
piqa0acc83.68±0.86
acc_norm85.36±0.82
winogrande0acc83.11±1.05

Average: 77.73%

TruthfulQA

TaskVersionMetricValueStderr
truthfulqa_mc1mc158.87±1.72
mc274.62±1.44

Average: 74.62%

Bigbench

TaskVersionMetricValueStderr
bigbench_causal_judgement0multiple_choice_grade60.00±3.56
bigbench_date_understanding0multiple_choice_grade63.14±2.51
bigbench_disambiguation_qa0multiple_choice_grade47.67±3.12
bigbench_geometric_shapes0multiple_choice_grade22.56±2.21
exact_str_match0.84±0.48
bigbench_logical_deduction_five_objects0multiple_choice_grade33.20±2.11
bigbench_logical_deduction_seven_objects0multiple_choice_grade23.00±1.59
bigbench_logical_deduction_three_objects0multiple_choice_grade59.67±2.84
bigbench_movie_recommendation0multiple_choice_grade47.40±2.24
bigbench_navigate0multiple_choice_grade56.10±1.57
bigbench_reasoning_about_colored_objects0multiple_choice_grade71.25±1.01
bigbench_ruin_names0multiple_choice_grade56.47±2.35
bigbench_salient_translation_error_detection0multiple_choice_grade35.27±1.51
bigbench_snarks0multiple_choice_grade73.48±3.29
bigbench_sports_understanding0multiple_choice_grade75.46±1.37
bigbench_temporal_sequences0multiple_choice_grade52.10±1.58
bigbench_tracking_shuffled_objects_five_objects0multiple_choice_grade22.64±1.18
bigbench_tracking_shuffled_objects_seven_objects0multiple_choice_grade19.83±0.95
bigbench_tracking_shuffled_objects_three_objects0multiple_choice_grade59.67±2.84

Average: 48.83%

Average score: 61.58%

Elapsed time: 02:37:39

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.76.13
AI2 Reasoning Challenge (25-Shot)73.55
HellaSwag (10-Shot)89.11
MMLU (5-Shot)64.91
TruthfulQA (0-shot)74.00
Winogrande (5-shot)85.56
GSM8k (5-shot)69.67

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
185606f

0 моделей