/ Модель

Характеристики

Контекст
32 764 токена
Параметры
68,7 млрд
Размер весов
138 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
3 апр 2024

ECE-TW3-JRGL-V1

Генерация текстаТекст → текст6 профессий

Слитая Llama-совместимая модель на 68,7 млрд параметров для генерации текста и диалогов с контекстом до 32 764 токенов.

8 724скачиваний за 30 дней1лайквеса обновлены19 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.

  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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1314

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4621

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3473

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,4221

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6284

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5535

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ECE-TW3-JRGL-V1 — текстовая модель, созданная Луи Гарсией и Матьё Жолларом, студентами инженерной школы ECE, под руководством преподавателя ECE и руководителей TW3 Partners. Модель получена слиянием ShinojiResearch/Senku-70B-Full и 152334H/miqu-1-70b-sf методом SLERP с помощью mergekit; в конфигурации указана базовая модель 152334H/miqu-1-70b-sf. Это плотная Llama-совместимая архитектура LlamaForCausalLM с 68,7 млрд параметров и контекстом до 32 764 токенов. Репозиторий содержит веса safetensors.

Модель предназначена для генерации текста и диалогового взаимодействия. В README приведён результат 83,07 на EQ-Bench V2, бенчмарке эмоционального интеллекта для больших языковых моделей. Лицензия — Apache 2.0. Данные не описывают языковую специализацию и ограничения по качеству или применению модели.

Сценарии применения

  • генерация связных текстовых ответов
  • ведение диалогов с пользователем
  • ответы на вопросы в свободной форме
  • эксперименты с оценкой эмоционального интеллекта LLM

Ограничения

README приводит результат EQ-Bench V2, но не описывает другие оценки качества или ограничения модели. Языковая специализация не заявлена.

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

ECE-TW3-JRGL-V1

This model has been produced by :

Under the supervision of :

With the contribution of :

  • ECE engineering school as sponsor and financial contributor
  • RunPod as financial contributor

About ECE

ECE, a multi-program, multi-campus, and multi-sector engineering school specializing in digital engineering, trains engineers and technology experts for the 21st century, capable of meeting the challenges of the dual digital and sustainable development revolutions. French Engineering School ECE

Description

ECE-TW3-JRGL-V1 is a merge of the following models using mergekit:

slices:
  - sources:
      - model: ShinojiResearch/Senku-70B-Full
        layer_range: [0, 80]
      - model: 152334H/miqu-1-70b-sf
        layer_range: [0, 80]
merge_method: slerp
base_model: 152334H/miqu-1-70b-sf
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5
dtype: float16

Results


@misc{paech2023eqbench, title={EQ-Bench: An Emotional Intelligence Benchmark for Large Language Models}, author={Samuel J. Paech}, year={2023}, eprint={2312.06281}, archivePrefix={arXiv}, primaryClass={cs.CL} }

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2f08c7a

0 моделей