/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
25,8 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
31 янв 2024

MemGPT-DPO-MoE-test

Генерация текстаТекст → текст3 профессии

Тестовая MoE-модель на базе Mistral 7B Instruct для генерации текста и вызова функций в агентах MemGPT.

25скачиваний за 30 дней5лайковвеса обновлены2 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

MemGPT-DPO-MoE-test — тестовый релиз модели, разработанной @starsnatched для работы в качестве языковой модели агентов MemGPT. Это декодерный трансформер на базе Mistral 7B Instruct с архитектурой Mixture of Experts: в README указано два эксперта на токен. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров.

Модель предназначена для генерации текста и вызова функций в сценариях MemGPT, включая использование в качестве базовой модели агента. Карточка сообщает о сопоставимых с GPT-4 результатах при работе с MemGPT, но не приводит методику или подробные оценки. README описывает контекст до 8 192 токенов, тогда как метаданные указывают нативный контекст 32 768 токенов. Модель рассчитана на английский язык и использует формат запросов ChatML.

Автор предупреждает о возможных ненадёжных, небезопасных или предвзятых ответах и рекомендует проверять результаты. Лицензия — Apache-2.0.

Сценарии применения

  • вызов функций в агенте MemGPT
  • создание языковой основы для агента MemGPT
  • генерация ответов в диалогах MemGPT

Ограничения

Модель может выдавать ненадёжные, небезопасные или предвзятые ответы, поэтому результаты следует проверять. README указывает контекст до 8 192 токенов, а метаданные — 32 768 токенов.

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

This is a test release of DPO version of MemGPT Language Model.

Model Description

This repository contains a MoE (Mixture of Experts) model of Mistral 7B Instruct. It has 2 experts per token. This model is specifically designed for function calling in MemGPT. It demonstrates comparable performances to GPT-4 when it comes to working with MemGPT.

Key Features

  • Function calling
  • Dedicated to working with MemGPT
  • Supports medium-length context, up to sequences of 8,192

Prompt Format

This model uses ChatML prompt format:

<|im_start|>system
{system_instruction}<|im_end|>
<|im_start|>user
{user_message}<|im_end|>
<|im_start|>assistant
{assistant_response}<|im_end|>

Usage

This model is designed to be ran on multiple backends, such as oogabooga's textgen WebUI. Simply install your preferred backend, and then load up this model. Then, configure MemGPT using memgpt configure, and chat with MemGPT via memgpt run command!

Model Details

  • Developed by: @starsnatched
  • Model type: This repo contains a language model based on the transformer decoder architecture.
  • Language: English
  • Contact: For any questions, concerns or comments about this model, please contact me at Discord, @starsnatched.

Training Infrastructure

  • Hardware: The model in this repo was trained on 2x A100 80GB GPUs.

Intended Use

The model is designed to be used as the base model for MemGPT agents.

Limitations and Risks

The model may exhibit unreliable, unsafe, or biased behaviours. Please double check the results this model may produce.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
4855427

0 моделей