/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
18,7 млн
Архитектура
mistral · dense
Базовая модель
baby-python-mistral-1L-tiny-base
Опубликована
16 мар 2024

Ссылки

Hugging FacearXiv 2410.12391

baby-python-mistral-1L-tiny-TinyStories-ft

nilq
Генерация текстаТекст → текст3 профессии

Небольшая дообученная модель семейства Mistral для генерации текста, обученная на TinyStories.

275скачиваний за 30 дней1лайквеса обновлены17 окт 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.

Открыть конструктор бенчмарка

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

baby-python-mistral-1L-tiny-TinyStories-ft — дообученная модель nilq на базе nilq/baby-python-mistral-1L-tiny-base, обученная на наборе TinyStories. Она относится к семейству Mistral, использует плотную архитектуру MistralForCausalLM и содержит 18,7 млн параметров. Модель предназначена для генерации текста; в качестве сценария можно рассматривать создание коротких историй, соответствующих обучающему набору TinyStories.

Контекст модели — 2048 токенов, веса опубликованы в формате safetensors. В README приведены результаты оценки на тестовой выборке: loss 2,0442 и accuracy 0,5196. Карточка не описывает дополнительные возможности или ограничения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация коротких историй
  • создание простых рассказов для детей
  • эксперименты с дообучением языковых моделей

Ограничения

Карточка приводит значения loss 2,0442 и accuracy 0,5196 на оценочной выборке, но не поясняет протокол оценки. Данные не подтверждают поддержку конкретных языков или наличие лицензии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.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

Открыть на Hugging Face

baby-python-mistral-1L-tiny-TinyStories-ft

This model is a fine-tuned version of nilq/baby-python-mistral-1L-tiny-base on the roneneldan/TinyStories dataset. This is the TinyStories model in the paper Tracking Universal Features Through Fine-Tuning and Model Merging. It achieves the following results on the evaluation set:

  • Loss: 2.0442
  • Accuracy: 0.5196

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 64
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 4.38.1
  • Pytorch 2.2.0+cu121
  • Datasets 2.17.1
  • Tokenizers 0.15.2

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
41d2718

0 моделей

    Создать бенчмарк