/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
Omningotex-7b-slerp
Опубликована
12 фев 2024

OGNO-7B

Генерация текстаТекст → текст6 профессий

OGNO-7B — объединённая модель Mistral на 7,1 млрд параметров для генерации текста и диалоговых ответов с контекстом до 32 768 токенов.

70скачиваний за 30 дней17лайковвеса обновлены12 фев 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

OGNO-7B — языковая модель, созданная автором paulml слиянием двух моделей Mistral с помощью LazyMergekit: liminerity/Omningotex-7b-slerp и eren23/dpo-binarized-NeutrixOmnibe-7B. В карточке указано слияние методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors.

Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для продолжения текста и ответов на запросы в сценариях, где подходит генеративная Mistral-модель. Данные не уточняют языковую специализацию и подробные результаты оценки качества.

Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Качество и поведение унаследованы от объединённых моделей и зависят от запроса; независимые оценки OGNO-7B в предоставленных материалах не описаны.

Сценарии применения

  • продолжение заданного текста
  • генерация ответов в диалоге
  • черновики и варианты формулировок
  • ответы на текстовые запросы

Ограничения

В материалах не приведены независимые оценки качества или подробности языковой специализации модели. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

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

OGNO-7B

OGNO-7B is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  - sources:
      - model: liminerity/Omningotex-7b-slerp
        layer_range: [0, 32]
      - model: eren23/dpo-binarized-NeutrixOmnibe-7B
        layer_range: [0, 32]
merge_method: slerp
base_model: liminerity/Omningotex-7b-slerp
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: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "paulml/OGNO-7B"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

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
a5d97f2

0 моделей