/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Архитектура
mistral · dense
Базовая модель
ogno-monarch-jaskier-merge-7b
Опубликована
20 фев 2024

ramonda-monarch-7b

Генерация текстаТекст → текст15 профессий

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста и ответов на запросы с контекстом до 32 768 токенов.

31скачиваний за 30 дней3лайкавеса обновлены26 фев 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

Ramonda Monarch 7B — объединённая модель для генерации текста, опубликованная mayacinka. Она создана методом DARE-TIES с помощью LazyMergekit на основе bardsai/jaskier-7b-dpo-v5.6, eren23/ogno-monarch-jaskier-merge-7b, liminerity/Omningotex-7b-slerp и yleo/OgnoMonarch-7B.

Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и ответов на запросы; в карточке приведены результаты нескольких языковых и логических бенчмарков. Доступны веса в формате safetensors с точностью bfloat16.

Лицензия в предоставленных данных не указана. Поскольку это слияние нескольких моделей, условия использования могут зависеть от лицензий исходных моделей; перед применением следует проверить их отдельно.

Сценарии применения

  • генерация связных текстов по запросу
  • ответы на вопросы и ведение текстового диалога
  • решение логических и математических задач в текстовом формате

Ограничения

Языки, на которых модель специально обучена или проверена, в предоставленных данных не перечислены. Лицензия модели и исходных компонентов требует отдельной проверки.

Для каких профессий подходит15

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

ramonda-monarch-7b

ramonda-monarch-7b is a merge of the following models using LazyMergekit:

🏆 Benchmarks

Open LLM Leaderboard

ModelAverageARC_easyHellaSwagMMLUTruthfulQA-mc2WinograndeGSM8KARC_challenge
mayacinka/ramonda-monarch-7b76.6686.9187.4561.9777.481.6173.0168.26

MMLU

GroupsVersionFiltern-shotMetricValueStderr
mmluN/Anone0acc0.6197±0.0039
- humanitiesN/AnoneNoneacc0.5762±0.0067
- otherN/AnoneNoneacc0.6936±0.0080
- social_sciencesN/AnoneNoneacc0.7192±0.0079
- stemN/AnoneNoneacc0.5147±0.0085

Nous benchmark

autoEval

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
mayacinka/ramonda-monarch-7b44.6377.4177.4149.5962.26

🧩 Configuration

models:
  - model: bardsai/jaskier-7b-dpo-v5.6
    # No parameters necessary for base model
  - model: eren23/ogno-monarch-jaskier-merge-7b
    parameters:
      density: 0.53
      weight: 0.4
  - model: liminerity/Omningotex-7b-slerp
    parameters:
      density: 0.53
      weight: 0.3
  - model: yleo/OgnoMonarch-7B
    parameters:
      density: 0.53
      weight: 0.3
merge_method: dare_ties
base_model: bardsai/jaskier-7b-dpo-v5.6
parameters:
  int8_mask: true
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "mayacinka/ramonda-monarch-7b"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
8c0179d

0 моделей