MFANN chain of thought experiment developed my makhi burroughs.
3b version here: https://huggingface.co/netcat420/MFANN3bv0.4
BENCHMARKS: avg: 72.23 ARC: 68.86 HellaSwag: 86.65 MMLU: 63.63 TruthfulQA: 70.18 winogrande: 79.72 GSM8K: 64.37
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 7,1 млрд
- Размер весов
- 29 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- mistral · dense
- Библиотека
- transformers
- Опубликована
- 16 апр 2024
Ссылки
MFANNv0.5
Экспериментальная 7,1-миллиардная модель семейства Mistral для генерации текста и классификации с контекстом до 32 768 токенов.
18скачиваний за 30 дней0лайковвеса обновлены17 апр 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
MFANNv0.5 — экспериментальная модель для генерации текста и классификации, разработанная Makhi Burroughs в рамках эксперимента с цепочкой рассуждений. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она принимает текст и поддерживает контекст до 32 768 токенов.
Модель может использоваться для генерации ответов в чате и классификации текста. В README приведены результаты бенчмарков ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, однако описание не уточняет методику оценки. Модель распространяется под лицензией Apache-2.0.
Сценарии применения
- генерация ответов в чате
- классификация текста
- проверка модели на задачах ARC и HellaSwag
- оценка знаний на тестах MMLU и TruthfulQA
- решение задач GSM8K
Ограничения
README не описывает подробные ограничения и методику приведённых бенчмарков; результаты не позволяют самостоятельно оценить качество модели.
Для каких профессий подходит8
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Также подходит для
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 · transformers
Подбираем GPU…
- Класс архитектуры
- MistralForCausalLM
- Ревизия весов
- f3016c8