/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Опубликована
21 янв 2024

malaysian-mistral-7b-32k-instructions-v4

Генерация текстаТекст → текст3 профессии

Дообученная 7,1-миллиардная Mistral с контекстом 32 768 токенов для генерации диалоговых ответов на инструкции, включая запросы о Малайзии.

297скачиваний за 30 дней1лайквеса обновлены27 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

malaysian-mistral-7b-32k-instructions-v4 — дообученная Mesolitica модель для диалоговых ответов на инструкции, в том числе на малайском языке. Это плотная причинная языковая модель Mistral с 7,1 млрд параметров, контекстом до 32 768 токенов и шаблоном чата Mistral Instruct. В качестве примера показан ответ на малайском языке о пенсионном фонде KWSP.

Модель предназначена для генерации текста по инструкциям и демонстрирует дообучение Mistral на наборе инструкций, связанных с Малайзией. В карточке автор характеризует её как быструю демонстрацию возможностей дообучения, поэтому качество ответов для широкого круга задач не гарантировано. Указано, что механизмы модерации минимальны. Файлы представлены в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • ответы на вопросы о малайзийских учреждениях и понятиях
  • генерация ответов на инструкции на малайском языке
  • создание диалогового прототипа на базе Mistral
  • проверка возможностей дообучения Mistral на инструкциях

Ограничения

Автор описывает модель как демонстрацию дообучения, поэтому качество для широкого круга задач не гарантировано. Механизмы модерации минимальны.

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

Full Parameter Finetuning 7B 32768 context length Mistral on Malaysian instructions dataset

README at https://github.com/mesolitica/malaya/tree/5.1/session/mistral#instructions-7b-16384-context-length

We use exact Mistral Instruct chat template.

WandB, https://wandb.ai/huseinzol05/fpf-mistral-7b-hf-instructions-16k?workspace=user-huseinzol05

WandB report, https://wandb.ai/huseinzol05/fpf-tinyllama-1.1b-hf-instructions-16k/reports/Instruction-finetuning--Vmlldzo2MzQ3OTcz

Dataset

Dataset gathered at https://huggingface.co/collections/mesolitica/malaysian-synthetic-dataset-656c2673fe7fe0b1e9e25fe2

Notebook to prepare dataset at https://github.com/mesolitica/malaysian-dataset/blob/master/llm-instruction/combine-malay-no-alignment-multitasks-v5.ipynb

Limitations

This model is a quick demonstration that the base model can be easily fine-tuned to achieve some performance. It does have minimal moderation mechanisms.

how-to

from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig
import torch
import json

TORCH_DTYPE = 'bfloat16'
nf4_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type='nf4',
    bnb_4bit_use_double_quant=True,
    bnb_4bit_compute_dtype=getattr(torch, TORCH_DTYPE)
)

tokenizer = AutoTokenizer.from_pretrained('mesolitica/malaysian-mistral-7b-32k-instructions-v4')
model = AutoModelForCausalLM.from_pretrained(
    'mesolitica/malaysian-mistral-7b-32k-instructions-v4',
    use_flash_attention_2 = True,
    quantization_config = nf4_config
)

messages = [
    {'role': 'user', 'content': 'kwsp tu apa'}
]
prompt = tokenizer.apply_chat_template(messages, tokenize = False)
inputs = tokenizer([prompt], return_tensors='pt', add_special_tokens=False).to('cuda')
generate_kwargs = dict(
    inputs,
    max_new_tokens=1024,
    top_p=0.95,
    top_k=50,
    temperature=0.9,
    do_sample=True,
    num_beams=1,
)
r = model.generate(**generate_kwargs)
tokenizer.decode(r[0])
<s> [INST] kwsp tu apa [/INST]KWSP bermaksud Kumpulan Wang Simpanan Pekerja. Ia adalah sebuah institusi simpanan persaraan yang ditubuhkan oleh Kementerian Kewangan Malaysia untuk tujuan mengumpul simpanan ahli untuk dibayar pada umur persaraan, penuh atau penuh persaraan penuh. KWSP ditubuhkan pada tahun 1951 dan mula beroperasi pada tahun 1952. KWSP adalah salah satu institusi simpanan persaraan terbesar di dunia, dengan pangkalan ahli sekitar 14 juta ahli.</s>

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
961b5ab

0 моделей