/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
MIT
Архитектура
mixtral · MoE
Опубликована
16 янв 2024

piccolo-math-2x7b

Генерация текстаТекст → текст3 профессии

Piccolo-math-2x7b — модель генерации текста на архитектуре Mixtral, предназначенная для ответов на вопросы и решения математических и логических задач.

75скачиваний за 30 дней2лайкавеса 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

Piccolo-math-2x7b — языковая модель автора macadeliccc для генерации текста и решения математических и логических задач. В карточке приведены результаты тестирования на AGIEval, GPT4All, TruthfulQA, Bigbench и Open LLM Leaderboard; формат промпта указан как Mistral. Метаданные описывают архитектуру как Mixtral MoE на базе causal language model, указывают 7,1 млрд параметров и контекст до 32 768 токенов.

Модель может подойти для генерации ответов, решения учебных задач и тестирования рассуждений на английском языке. Опубликованные оценки показывают результаты на наборах с вопросами и заданиями, но не гарантируют точность в конкретном приложении. Модель распространяется по лицензии MIT.

Сценарии применения

  • решение математических задач в текстовом диалоге
  • ответы на вопросы с выбором варианта
  • разбор логических задач на английском языке
  • оценка языковой модели на бенчмарках рассуждений

Ограничения

Опубликованные бенчмарки не гарантируют точность ответов в прикладных сценариях; README не содержит сведений о специальной проверке достоверности или устойчивости модели.

Для каких профессий подходит3

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

Piccolo-math-2x7b

In loving memory of my dog Klaus (Piccolo)

~ Piccolo (Italian): the little one ~

piccolo.png

Code Example

Inference and Evaluation colab available here

from transformers import AutoModelForCausalLM, AutoTokenizer

def generate_response(prompt):
    """
    Generate a response from the model based on the input prompt.
    Args:
    prompt (str): Prompt for the model.

    Returns:
    str: The generated response from the model.
    """
    inputs = tokenizer(prompt, return_tensors="pt")
    outputs = model.generate(**inputs, max_new_tokens=256, eos_token_id=tokenizer.eos_token_id, pad_token_id=tokenizer.pad_token_id)

    response = tokenizer.decode(outputs[0], skip_special_tokens=True)

    return response

model_id = "macadeliccc/piccolo-math-2x7b"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id,load_in_4bit=True)

prompt = "What is the best way to train Cane Corsos?"

print("Response:")
print(generate_response(prompt), "\n")

The model is capable of quality code, math, and logical reasoning. Try whatever questions you think of.

Evaluations

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
piccolo-math-2x7b43.8974.9863.9644.9956.96

EQ Bench

Benchmark Complete:

  • 2024-01-24 00:00:40
  • Time taken: 183.3 mins
  • Prompt Format: Mistral
  • Model: macadeliccc/piccolo-math-2x7b
  • Score (v2): 70.74
  • Parseable: 167.0

Batch completed Time taken: 183.3 mins

AGIEval

TaskVersionMetricValueStderr
agieval_aqua_rat0acc24.41±2.70
acc_norm24.80±2.72
agieval_logiqa_en0acc35.79±1.88
acc_norm36.71±1.89
agieval_lsat_ar0acc23.48±2.80
acc_norm23.91±2.82
agieval_lsat_lr0acc49.22±2.22
acc_norm50.00±2.22
agieval_lsat_rc0acc63.94±2.93
acc_norm64.31±2.93
agieval_sat_en0acc77.18±2.93
acc_norm76.70±2.95
agieval_sat_en_without_passage0acc45.15±3.48
acc_norm44.66±3.47
agieval_sat_math0acc33.64±3.19
acc_norm30.00±3.10

Average: 43.89%

GPT4All

TaskVersionMetricValueStderr
arc_challenge0acc61.86±1.42
acc_norm62.88±1.41
arc_easy0acc84.34±0.75
acc_norm80.47±0.81
boolq1acc86.88±0.59
hellaswag0acc68.56±0.46
acc_norm85.16±0.35
openbookqa0acc37.00±2.16
acc_norm47.80±2.24
piqa0acc82.21±0.89
acc_norm83.68±0.86
winogrande0acc77.98±1.16

Average: 74.98%

TruthfulQA

TaskVersionMetricValueStderr
truthfulqa_mc1mc147.37±1.75
mc263.96±1.57

Average: 63.96%

Bigbench

TaskVersionMetricValueStderr
bigbench_causal_judgement0multiple_choice_grade55.26±3.62
bigbench_date_understanding0multiple_choice_grade63.14±2.51
bigbench_disambiguation_qa0multiple_choice_grade42.64±3.08
bigbench_geometric_shapes0multiple_choice_grade22.84±2.22
exact_str_match3.34±0.95
bigbench_logical_deduction_five_objects0multiple_choice_grade36.60±2.16
bigbench_logical_deduction_seven_objects0multiple_choice_grade25.57±1.65
bigbench_logical_deduction_three_objects0multiple_choice_grade56.00±2.87
bigbench_movie_recommendation0multiple_choice_grade42.40±2.21
bigbench_navigate0multiple_choice_grade54.70±1.57
bigbench_reasoning_about_colored_objects0multiple_choice_grade62.90±1.08
bigbench_ruin_names0multiple_choice_grade53.35±2.36
bigbench_salient_translation_error_detection0multiple_choice_grade24.35±1.36
bigbench_snarks0multiple_choice_grade62.43±3.61
bigbench_sports_understanding0multiple_choice_grade70.28±1.46
bigbench_temporal_sequences0multiple_choice_grade41.30±1.56
bigbench_tracking_shuffled_objects_five_objects0multiple_choice_grade22.32±1.18
bigbench_tracking_shuffled_objects_seven_objects0multiple_choice_grade17.77±0.91
bigbench_tracking_shuffled_objects_three_objects0multiple_choice_grade56.00±2.87

Average: 44.99%

Average score: 56.96%

Elapsed time: 01:51:53

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.72.32
AI2 Reasoning Challenge (25-Shot)69.11
HellaSwag (10-Shot)87.27
MMLU (5-Shot)63.69
TruthfulQA (0-shot)63.86
Winogrande (5-shot)79.87
GSM8k (5-shot)70.13

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
3354d9e

0 моделей