Finetuned BioMistral on the camel-ai/biology chat dataset.
Trained Epoch : 1 (A100 GPU Google Colab) Evaluated Epoch : 1 Validation Score : 0.574188
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 7,1 млрд
- Размер весов
- 29 ГБ
- Лицензия
- MIT
- Архитектура
- mistral · dense
- Опубликована
- 21 мар 2024
Ссылки
BioMistral-7B-finetuned
Дообученная на биологических диалогах модель Mistral на 7,1 млрд параметров для генерации ответов по биологии.
26скачиваний за 30 дней0лайковвеса обновлены22 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
BioMistral-7B-finetuned — дообученная Mridul3301 языковая модель семейства Mistral с плотной архитектурой и 7,1 млрд параметров. Модель обучена на наборе диалогов по биологии camel-ai/biology и предназначена для генерации текста в ответ на запросы, связанные с биологией.
Модель принимает текст и генерирует текст на английском языке. Указанная для неё длина контекста составляет 32 768 токенов. В README приведена оценка на валидации 0,574188 после одной эпохи обучения, но метрика не названа, поэтому интерпретировать это значение как показатель качества нельзя.
Модель распространяется по лицензии MIT. Карточка описывает дообучение на биологических диалогах, поэтому результаты могут быть менее надёжны за пределами этой области; данных о дополнительных ограничениях или оценках нет.
Сценарии применения
- ответы на вопросы по биологии
- генерация диалоговых ответов на биологические запросы
- помощь в изучении биологических тем
Ограничения
Валидационная оценка 0,574188 указана без названия метрики, поэтому её нельзя однозначно трактовать. Дообучение ориентировано на биологические диалоги; надёжность ответов в других областях не установлена.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- MistralForCausalLM
- Ревизия весов
- d3fc43d