/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
93,4 ГБ
Архитектура
mistral · MoE
Опубликована
10 дек 2023

mistral-8x7b-chat

Генерация текстаТекст → текст8 профессий

Чат-модель Mistral MoE, дообученная на SlimOrca для генерации ответов в диалоге.

98скачиваний за 30 дней150лайковвеса обновлены11 дек 2023

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

mattshumer/mistral-8x7b-chat — чат-модель на архитектуре Mistral MoE, дообученная Matt Shumer на SlimOrca в течение одной эпохи с помощью QLoRA. Она предназначена для диалогов и генерации ответов по запросу; запуск возможен через Transformers с AutoModelForCausalLM и AutoTokenizer. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. В репозитории представлены веса PyTorch.

Карточка описывает обучение на шести H100 в течение девяти часов, но не приводит оценок качества или подробностей о языках и ограничениях ответов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на сообщения в текстовом чате
  • генерация ответов на пользовательские запросы
  • диалоговое взаимодействие с языковой моделью

Ограничения

В карточке нет оценок качества и подробных сведений о языковом покрытии; модель обучалась только одну эпоху, поэтому её качество для конкретных задач следует проверять отдельно.

Для каких профессий подходит8

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

A very capable chat model built on top of the new Mistral MoE model, trained on the SlimOrca dataset for 1 epoch, using QLoRA.

Inference:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("mattshumer/mistral-8x7b-chat", low_cpu_mem_usage=True, device_map="auto", trust_remote_code=True)
tok = AutoTokenizer.from_pretrained("mattshumer/mistral-8x7b-chat")
x = tok.encode(PROMPT_GOES_HERE, return_tensors="pt").cuda()
x = model.generate(x, max_new_tokens=512).cpu()
print(tok.batch_decode(x))

Prompt Template:

<|im_start|>system
You are an AI assistant.<|im_end|>
<|im_start|>user
Hi, how are you?<|im_end|>
<|im_start|>assistant
I'm doing well, thanks for asking!<|im_end|>
<|im_start|>user
Write me a poem about AI.<|im_end|>

Trained w/ Axolotl on 6x H100s for nine hours.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
2a9eb38

0 моделей