/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
6 янв 2024

Daredevil-7B

Генерация текстаТекст → текст6 профессий

Daredevil-7B — объединённая 7,1-миллиардная модель Mistral для генерации текста и диалоговых ответов с контекстом до 32 768 токенов.

109скачиваний за 30 дней12лайковвеса обновлены4 мар 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

Daredevil-7B — объединённая текстовая модель, созданная с помощью LazyMergekit на основе Mistral-7B-v0.1, SamirGPT-v1, Slerp-CM-mist-dpo и Mistral-7B-Merge-14-v0.2. Это плотная авторегрессионная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов.

Модель предназначена для генерации текста, диалогов и ответов на вопросы. В README приведены результаты оценивания на нескольких наборах тестов, включая задания на рассуждение и понимание текста. Карточка не уточняет языковой охват и специализированную предметную область.

В репозитории указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Результаты тестов не гарантируют качество для конкретных задач; назначение модели описано как общее текстовое генерирование.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • ответы на вопросы по текстовому запросу
  • написание и продолжение текстов
  • решение задач на рассуждение на естественном языке

Ограничения

README приводит результаты тестов, но они не гарантируют качество на прикладных задачах. Коммерческое использование ограничено лицензией CC BY-NC 4.0.

Для каких профессий подходит6

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

Daredevil-7B

Daredevil-7B is a merge of the following models using LazyMergekit:

🏆 Evaluation

Open LLM Leaderboard

TBD.

Nous

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
Daredevil-7B44.8576.0764.8947.0758.22
OpenHermes-2.5-Mistral-7B42.7572.9952.9940.9452.42
NeuralHermes-2.5-Mistral-7B43.6773.2455.3741.7653.51
Nous-Hermes-2-SOLAR-10.7B47.7974.6955.9244.8455.81
Marcoro14-7B-slerp44.6676.2464.1545.6457.67
CatMarcoro14-7B-slerp45.2175.9163.8147.3158.06

See the complete evaluation here.

🧩 Configuration

models:
  - model: mistralai/Mistral-7B-v0.1
    # No parameters necessary for base model
  - model: samir-fama/SamirGPT-v1
    parameters:
      density: 0.53
      weight: 0.4
  - model: abacusai/Slerp-CM-mist-dpo
    parameters:
      density: 0.53
      weight: 0.3
  - model: EmbeddedLLM/Mistral-7B-Merge-14-v0.2
    parameters:
      density: 0.53
      weight: 0.3
merge_method: dare_ties
base_model: mistralai/Mistral-7B-v0.1
parameters:
  int8_mask: true
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "shadowml/Daredevil-7B"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.73.36
AI2 Reasoning Challenge (25-Shot)69.37
HellaSwag (10-Shot)87.17
MMLU (5-Shot)65.30
TruthfulQA (0-shot)64.09
Winogrande (5-shot)81.29
GSM8k (5-shot)72.93

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
66ada06

0 моделей