/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
48,3 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
13 апр 2024

mera-mix-4x7B

Генерация текстаТекст → текст10 профессий

Компактная MoE-языковая модель Mera для генерации текста и диалогов, рассчитанная на более быстрый вывод при сопоставимом с Mixtral-8x7B качестве.

8 593скачиваний за 30 дней19лайковвеса обновлены20 апр 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.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2748

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4057

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3045

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4019

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0536

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4832

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

mera-mix-4x7B — языковая модель с архитектурой смеси экспертов (MoE), разработанная командой Mera. В ней четыре эксперта вместо восьми у Mixtral-8x7B; карточка описывает её как более компактную замену Mixtral-8x7B с более быстрым выводом и сопоставимыми результатами на бенчмарках. В метаданных указаны архитектура MixtralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов.

Модель предназначена для генерации текста и диалогового использования. В README приведены результаты OpenLLM Eval: 75,91 балла; также сообщается о результатах на AI2 Reasoning Challenge и HellaSwag. Доступны веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет языки обучения и поддерживаемые языки.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • составление и продолжение текстов
  • ответы на общие вопросы
  • решение задач на рассуждение и понимание текста

Ограничения

README приводит результаты на отдельных бенчмарках, но они не гарантируют качество во всех сценариях. Поддерживаемые языки и дополнительные ограничения в карточке не описаны.

Для каких профессий подходит10

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

Model mera-mix-4x7B

This is a mixture of experts (MoE) model that is half as large (4 experts instead of 8) as the Mixtral-8x7B while been comparable to it across different benchmarks. You can use it as a drop in replacement for your Mixtral-8x7B and get much faster inference.

mera-mix-4x7B achieves the score of 75.91 on the OpenLLM Eval and compares well with 72.7 by Mixtral-8x7B and 74.46 by Mixtral-8x22B.

You can try the model with the Mera Mixture Chat.

In addition, to the official Open LLM Leaderboard, the results on OpenLLM Eval have been validated by others as well (76.59).

Our own initial eval is available here (76.37).

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.75.91
AI2 Reasoning Challenge (25-Shot)72.95
HellaSwag (10-Shot)89.17
MMLU (5-Shot)64.44
TruthfulQA (0-shot)77.17
Winogrande (5-shot)85.64
GSM8k (5-shot)66.11

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
09d965c

0 моделей