/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
29 окт 2023

Synatra-7B-v0.3-RP

Генерация текстаТекст → текст3 профессии

Дообученная 7,1-миллиардная Mistral-модель для чат-генерации и ролевых диалогов с поддержкой корейского языка.

8 543скачиваний за 30 дней25лайковвеса обновлены20 ноя 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

Synatra-7B-v0.3-RP — разговорная языковая модель, разработанная как личный проект и дообученная на базе mistralai/Mistral-7B-Instruct-v0.1. Это плотная Mistral-модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она использует формат диалога ChatML и предназначена для генерации ответов в чат-сценариях, включая RP-взаимодействия. В карточке приведены результаты Open LLM Leaderboard и отмечены планы по улучшению понимания языка и токенизатора. Модель поддерживает корейский язык. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

Сценарии применения

  • ведение ролевых диалогов с ИИ
  • генерация ответов в чате на корейском языке
  • создание диалоговых персонажей
  • тестирование корейскоязычных чат-сценариев

Ограничения

В README отмечено, что понимание языка и токенизатор требуют улучшения; качество оценки на Ko-LLM-Leaderboard ещё не приведено. Лицензия запрещает коммерческое использование.

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

Synatra-7B-v0.3-RP🐧

Synatra-7B-v0.3-RP

Support Me

시나트라는 개인 프로젝트로, 1인의 자원으로 개발되고 있습니다. 모델이 마음에 드셨다면 약간의 연구비 지원은 어떨까요?

Wanna be a sponser? Contact me on Telegram AlzarTakkarsen

License

This model is strictly non-commercial (cc-by-nc-4.0) use only. The "Model" is completely free (ie. base model, derivates, merges/mixes) to use for non-commercial purposes as long as the the included cc-by-nc-4.0 license in any parent repository, and the non-commercial use statute remains, regardless of other models' licences. The licence can be changed after new model released. If you are to use this model for commercial purpose, Contact me.

Model Details

Base Model
mistralai/Mistral-7B-Instruct-v0.1

Trained On
A6000 48GB * 8

Instruction format

It follows ChatML format.

TODO

  • RP 기반 튜닝 모델 제작 ✅
  • 데이터셋 정제 ✅
  • 언어 이해능력 개선
  • 상식 보완 ✅
  • 토크나이저 변경

Model Benchmark

Ko-LLM-Leaderboard

On Benchmarking...

Implementation Code

Since, chat_template already contains insturction format above. You can use the code below.

from transformers import AutoModelForCausalLM, AutoTokenizer

device = "cuda" # the device to load the model onto

model = AutoModelForCausalLM.from_pretrained("maywell/Synatra-7B-v0.3-RP")
tokenizer = AutoTokenizer.from_pretrained("maywell/Synatra-7B-v0.3-RP")

messages = [
    {"role": "user", "content": "바나나는 원래 하얀색이야?"},
]

encodeds = tokenizer.apply_chat_template(messages, return_tensors="pt")

model_inputs = encodeds.to(device)
model.to(device)

generated_ids = model.generate(model_inputs, max_new_tokens=1000, do_sample=True)
decoded = tokenizer.batch_decode(generated_ids)
print(decoded[0])

Why It's benchmark score is lower than preview version?

Apparently, Preview model uses Alpaca Style prompt which has no pre-fix. But ChatML do.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.57.38
ARC (25-shot)62.2
HellaSwag (10-shot)82.29
MMLU (5-shot)60.8
TruthfulQA (0-shot)52.64
Winogrande (5-shot)76.48
GSM8K (5-shot)21.15
DROP (3-shot)46.06

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
a994747

0 моделей