/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
jaskier-7b-dpo-v4.3
Библиотека
transformers
Опубликована
15 фев 2024

AlloyIngotNeoX

Генерация текстаТекст → текст6 профессий

Слитая модель Mistral на 7,1 млрд параметров для генерации текста с контекстом до 32 768 токенов.

55скачиваний за 30 дней0лайковвеса обновлены4 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.

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

AlloyIngotNeoX — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из bardsai/jaskier-7b-dpo-v4.3 и Gille/StrangeMerges_20-7B-slerp. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; контекст составляет до 32 768 токенов.

Модель принимает текст и генерирует текст. В README приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Файлы модели опубликованы в формате Safetensors.

Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не уточняет языковую специализацию и ограничения качества; сведения о бенчмарках сами по себе не гарантируют результат на прикладных задачах.

Сценарии применения

  • генерация текста по запросу
  • ответы на вопросы в текстовом диалоге
  • продолжение заданного текста

Ограничения

Языки обучения и специализация не описаны. Лицензия запрещает коммерческое использование; результаты бенчмарков не гарантируют качество в прикладных сценариях.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

merged

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

base_model:
  model:
    path: Gille/StrangeMerges_20-7B-slerp
dtype: bfloat16
merge_method: slerp
parameters:
  t:
  - filter: self_attn
    value: [0.1, 0.3, 0.5, 0.7, 0.9]
  - filter: mlp
    value: [0.9, 0.7, 0.5, 0.3, 0.1]
  - value: 0.45
slices:
- sources:
  - layer_range: [0, 32]
    model:
      model:
        path: Gille/StrangeMerges_20-7B-slerp
  - layer_range: [0, 32]
    model:
      model:
        path: bardsai/jaskier-7b-dpo-v4.3

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.76.21
AI2 Reasoning Challenge (25-Shot)74.32
HellaSwag (10-Shot)89.07
MMLU (5-Shot)64.97
TruthfulQA (0-shot)74.57
Winogrande (5-shot)84.53
GSM8k (5-shot)69.83

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
cbe19b9

0 моделей