/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
11 млрд
Размер весов
22,3 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Bielik-11B-v2.3-Instruct
Опубликована
29 окт 2024

MSH-v1-Bielik-v2.3-Instruct-MedIT-merge

Генерация текстаТекст → текст7 профессий

Польская диалоговая модель MedIT Solutions на 11 млрд параметров для ответов на инструкции и генерации текста.

1 722скачиваний за 30 дней2лайкавеса обновлены29 окт 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3456

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4385

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5814

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5672

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2077

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,35

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MSH-v1 (Marsh Harrier) — польская диалоговая языковая модель MedIT Solutions, созданная слиянием чекпойнтов Speakleash Bielik 11B v2.3 Instruct и Bielik 11B v2. Она основана на плотной архитектуре Mistral и содержит 11 млрд параметров; доступна в формате safetensors. Модель генерирует текст и отвечает на инструкции, прежде всего на польском языке. Контекст — до 32 768 токенов.

В README приведены результаты оценки на польских бенчмарках: модель показывает улучшения в среднем относительно Bielik v2.3, но уступает на отдельных задачах, в том числе MT-Bench-PL и PolQA reranking. Лицензия — Apache-2.0.,

Сценарии применения

  • ответы на инструкции на польском языке
  • диалоговые ассистенты на польском языке
  • генерация польскоязычных текстов
  • классификация польских текстов
  • извлечение именованных сущностей из польских текстов

Ограничения

Результаты различаются по задачам: в README отмечено снижение оценки на MT-Bench-PL и PolQA reranking, а также небольшое снижение по PSC. Приведённые показатели относятся к оценкам 0-shot на указанных бенчмарках и не гарантируют качество в других сценариях.

Для каких профессий подходит7

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

Marsh Harrier

The Marsh Harrier (MSH) is a language model developed by MedIT Solutions using an advanced checkpoint merging technique. It represents a novel fusion of the Speakleash Bielik 11B v2.3 Instruct and Speakleash Bielik 11B v2 models, employing our proprietary weight-merging methodology.

Key Features:

  • Built on a pioneering approach to neural network weight fusion
  • Supports merging models of identical parameter counts while maintaining architecture flexibility
  • Demonstrates superior performance compared to its base models
  • Optimized for Polish language understanding and generation

Performance:

The model shows significant improvements over its predecessors across multiple metrics in the Open PL LLM Leaderboard evaluation framework (0-shot), which is part of the SpeakLeash.org open-science initiative.

Technical Details:

  • Base Models: Speakleash Bielik 11B v2.3 Instruct and Bielik 11B v2
  • Architecture: Compatible with original Bielik architecture
  • Parameter Count: 11 billion parameters
  • Special Feature: Utilizes MedIT Solutions' proprietary checkpoint merging technology

This model represents a step forward in developing the Polish language, demonstrating how merging techniques can enhance model performance while maintaining architectural efficiency.

Polish LLM Open Leaderboard

Core Leaderboards:

  • MT-Bench-PL: slight decrease of 0.3 points (8.27 vs 8.56)
  • Open PL LLM Leaderboard: improved performance by 0.09 points (65.80 vs 65.71)

Sentiment Analysis (PolEmo2):

  • In-domain accuracy: Matches Bielik at 77.70%
  • Out-of-domain accuracy: Improved performance at 79.76% (vs 79.35%)

Text Classification Tasks:

  • 8tags classification: Significant improvement of ~3pp (76.14% vs 73.17%)
  • Belebele benchmark: Matching performance at 88.56%
  • CBD task: Substantial F1 score improvement by 10pp (23.91% vs 13.73%)

Language Understanding:

  • DYK ("Did you know..."): Improved F1 score (69.77% vs 69.14%)
  • Named Entity Recognition (KLEJ NER): Notable improvement of ~8pp (45.53% vs 37.61%)
  • PolQA reranking: Slight decrease (81.99% vs 83.21%)
  • PPC: Enhanced accuracy (78.00% vs 77.20%)
  • PSC: Minor F1 score decrease (90.46% vs 93.63%)

Overall Performance: MSH-v1 achieves a higher average score of 71.18% compared to Bielik v2.3's 69.33%, demonstrating the effectiveness of our checkpoint merging technique in improving model performance across diverse NLP tasks.

All evaluations were conducted using the Open PL LLM Leaderboard framework (0-shot) as part of the SpeakLeash.org open-science initiative.

Kudos to the SpeakLeash project and ACK Cyfronet AGH for their extraordinary work.

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
2db5e88

0 моделей