/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
18,7 млн
Архитектура
mistral · dense
Опубликована
16 мар 2024

Ссылки

Hugging FacearXiv 2410.12391

baby-python-mistral-1L-tiny-base

nilq
Генерация текстаТекст → текст3 профессии

Компактная модель Mistral для генерации текста, обученная на наборе baby-python и предназначенная прежде всего для экспериментов с дообучением и объединением моделей.

42скачиваний за 30 дней0лайковвеса 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-base — компактная авторская модель генерации текста на архитектуре Mistral, обученная на наборе данных nilq/baby-python. В статье «Tracking Universal Features Through Fine-Tuning and Model Merging» она используется как базовая модель для изучения универсальных признаков при дообучении и объединении моделей.

Модель содержит 18,7 млн параметров и рассчитана на контекст до 2048 токенов. Она предназначена для экспериментов с генерацией текста на материале набора baby-python; README приводит результаты оценки: loss 3,1027 и accuracy 0,4190. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с генерацией текста на данных baby-python
  • изучение изменений модели при дообучении
  • исследование объединения языковых моделей

Ограничения

README не описывает предполагаемые сценарии использования и ограничения; приведённые метрики оценки не сопровождаются деталями протокола. Компактный размер и узкий обучающий набор ограничивают основания ожидать широких возможностей модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

baby-python-mistral-1L-tiny-base

This model is trained on the nilq/baby-python dataset. It is the base model in the paper Tracking Universal Features Through Fine-Tuning and Model Merging. It achieves the following results on the evaluation set:

  • Loss: 3.1027
  • Accuracy: 0.4190

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: 0.0006
  • 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
  • num_epochs: 3.0

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
9a80125

0 моделей

    Создать бенчмарк