/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
mistral · dense
Опубликована
24 мар 2024

ScikitLLM-Model

Генерация текстаТекст → текст4 профессии

Дообученная модель Mistral для ответов по документации Scikit-Learn и генерации примеров кода, в том числе по фрагментам документации в RAG-сценариях.

18скачиваний за 30 дней1лайквеса обновлены24 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

ScikitLLM — языковая модель, созданная Probabl AI путём дообучения Mistral-OpenHermes 7B на справочных материалах и коде документации Scikit-Learn. Это плотная модель MistralForCausalLM с 7,1 млрд параметров, рассчитанная на генерацию текста и диалог; её базовый контекст составляет 32 768 токенов.

Модель предназначена для ответов на вопросы о Scikit-Learn и помощи в работе с библиотекой. В сценарии RAG она принимает до трёх фрагментов документации и может приводить источники и цитаты в модифицированном wiki-синтаксисе, а также создавать примеры кода на основе цитируемых фрагментов. Обучение продолжало дообучение Mistral-OpenHermes 7B с пониженной скоростью обучения.

Модель представлена в формате Safetensors. Сведения о лицензии в предоставленной карточке отсутствуют.

Сценарии применения

  • ответы на вопросы о Scikit-Learn
  • поиск сведений в документации Scikit-Learn по предоставленным фрагментам
  • генерация примеров кода для Scikit-Learn
  • цитирование источников из фрагментов документации
  • объяснение концепций Scikit-Learn

Ограничения

RAG-сценарий заявлен для работы с тремя фрагментами; примеры кода основаны на цитируемых фрагментах. Лицензия и результаты независимой оценки качества в предоставленных данных не описаны.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ScikitLLM is an LLM finetuned on writing references and code for the Scikit-Learn documentation.

Features of ScikitLLM includes:

  • Support for RAG (three chunks)
  • Sources and quotations using a modified version of the wiki syntax ("")
  • Code samples and examples based on the code quoted in the chunks.
  • Expanded knowledge/familiarity with the Scikit-Learn concepts and documentation.

Training

ScikitLLM is based on Mistral-OpenHermes 7B, a pre-existing finetune version of Mistral 7B. OpenHermes already include many desired capacities for the end use, including instruction tuning, source analysis, and native support for the chatML syntax.

As a fine-tune of a fine-tune, ScikitLLM has been trained with a lower learning rate than is commonly used in fine-tuning projects.

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
a37aa59

0 моделей