/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
21,1 млн
Архитектура
mistral · dense
Опубликована
1 мар 2024

Ссылки

Hugging Face

mistral-2L-tiny

nilq
Генерация текстаТекст → текст3 профессии

Компактная модель семейства Mistral, дообученная на TinyStories для генерации коротких текстов и историй.

29скачиваний за 30 дней0лайковвеса обновлены2 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.

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

nilq/mistral-2L-tiny — небольшая языковая модель семейства Mistral, дообученная на датасете TinyStories. Она предназначена для генерации текста, в частности коротких историй. Модель содержит 21,1 млн параметров и поддерживает контекст длиной до 2048 токенов.

В карточке приведены результаты оценки на тестовой выборке: loss 1,4866 и accuracy 0,6174. Подробности об обучении, предполагаемых сценариях применения и ограничениях не раскрыты. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация коротких историй
  • создание простых сюжетов по текстовой подсказке
  • эксперименты с компактными языковыми моделями

Ограничения

Карточка не описывает ограничения модели и подробно не раскрывает её применение; результаты оценки приведены только для одной выборки. Лицензия не указана в предоставленных данных.

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

mistral-2L-tiny

This model is a fine-tuned version of on the roneneldan/TinyStories dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4866
  • Accuracy: 0.6174

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
789e36a

0 моделей

    Создать бенчмарк