/ Модель

Характеристики

Контекст
131 072 токена
Параметры
90,9 млрд
Размер весов
184 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
llama · dense
Базовая модель
Hermes-3-Llama-3.1-70B
Библиотека
transformers
Опубликована
4 сен 2024

Hermyale-stack-90B

Генерация текстаТекст → текст3 профессии

Экспериментальная merge-модель на базе Llama для ролевых диалогов и творческого письма.

23скачиваний за 30 дней1лайквеса обновлены5 сен 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

Hermyale-stack-90B — экспериментальная merge-модель, созданная автором карточки методом stack merge из Hermes 3 и Euryale 2.2. Она объединяет чередующиеся диапазоны слоёв моделей NousResearch/Hermes-3-Llama-3.1-70B и Sao10K/L3.1-70B-Euryale-v2.2; дополнительного предобучения не проводилось. Архитектура — плотная LlamaForCausalLM, размер — 90,9 млрд параметров, формат весов — safetensors, контекст — до 131 072 токенов. Модель использует шаблон ChatML и рассчитана на генерацию текста в диалоговом формате.

Основные сценарии — ролевая игра и творческое письмо. Слияние придаёт модели необычный стиль и разнообразие ответов, однако, по словам автора, может ухудшать сложные логические рассуждения и вызывать ошибки или неожиданное поведение. Автор рекомендует проверять и при необходимости редактировать результаты. Для модели указана лицензия CC-BY-NC-4.0, допускающая использование с ограничениями, включая некоммерческий характер лицензии.

Сценарии применения

  • ведение ролевых диалогов с вымышленными персонажами
  • написание художественных сцен и рассказов
  • создание творческих диалоговых продолжений

Ограничения

Автор предупреждает, что слияние может ухудшать сложные логические задачи и вызывать неожиданные ошибки; результаты стоит проверять и редактировать. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими условиями.

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

Hermyale-stack-90B

It's a stack merge meme model made from Hermes 3 and Euryale 2.2. You should use it for roleplay and creative writing AND PROBABLY NOTHING ELSE (but hey, it's your funeral)

STACK MERGE DISCLAIMER

yes it's just a stack merge, no I didn't do any additional pretraining, no stack merges don't make the model smarter, yes they harm its ability to do complex logical tasks, yes they introduce some weird behaviors and unexpected mistakes, no they don't make the model sentient, no you shouldn't post on twitter about how adding a few layers turned it into agi, etc. etc.

That said, it does feel unique and fun to use. If you're the type of person who's drowning in VRAM would rather have some more variety at the expense of needing to make a few manual edits to clean up mistakes, give it a try.

Format

ChatML

Samplers

Because stack merges introduce some unexpected noise to the model, I recommend higher min p than normal. I've been getting good results with min_p 0.1 -> temp 1.1 (I usually prefer something like min_p 0.03-0.05 -> temp 0.7-0.9, adjust according to taste). Add your favorite anti-repetition sampler as needed.

Merge Rationale

The config is below:

slices:
  - sources:
    - model: ../Hermes-3-Llama-3.1-70B
      layer_range: [0, 21]
  - sources:
    - model: ../L3.1-70B-Euryale-v2.2
      layer_range: [16, 36]
  - sources:
    - model: ../Hermes-3-Llama-3.1-70B
      layer_range: [30, 50]
  - sources:
    - model: ../L3.1-70B-Euryale-v2.2
      layer_range: [40, 64]
  - sources:
    - model: ../Hermes-3-Llama-3.1-70B
      layer_range: [60, 80]

tokenizer_source: ../Hermes-3-Llama-3.1-70B 
merge_method: passthrough
dtype: bfloat16

You will notice these layer ranges are less uniform and logically-spaced than most stack merges. That's because I tested a bunch of versions of this with different slices to see which ones felt best before eventually arriving at this config, which seems to strike the best balance between fun creativity, coherence, and size.

Random theorizing:

  • Including a huge number of layers from both models is not necessary to achieve the beneficial aspects of stack merges (e.g. I don't think a 120B variant of this would be any better)
  • I avoid taking tons of smaller slices as some amount of continuity is beneficial, but too much and you aren't getting that stack merge je ne sais quoi.
  • I try to focus most of the layer overlap on the middle layers, as these seem to be the most composable and have the best bang for your buck when stack merging.
  • Messing too much with the later layers seems to be almost entirely pointless.
  • Messing too much with the early layers can be very detrimental to coherence (but also, letting a single model get too far through its early layers uninterrupted can reduce the Fun Factor of the resulting merge)

All credit goes to the original finetuners, I'm just some dummy who can write mergekit configs.

:*

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c3d0626

0 моделей