Дообученная Mistral-7B-Instruct-v0.2 для исследований подавления неопределённости и несоответствия уверенности ответов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Uncertain-Mistral-7B — дообученная rhy ang2021 модель Mistral-7B-Instruct-v0.2 с 7,1 млрд параметров. Она предназначена для применения в задаче LoGU, связанной с подавлением неопределённости и несоответствием выраженной моделью уверенности фактической неопределённости ответа. Модель использует плотную архитектуру Mistral и поддерживает диалоговую генерацию текста с контекстом до 32 768 токенов.
Модель подходит для экспериментов с тем, как языковые модели выражают и калибруют неопределённость в ответах. Она дообучена на отобранных примерах из набора данных авторов; подробности о наборе данных и количественные оценки качества в карточке не приведены. Лицензия — MIT.
Карточка не приводит количественных оценок качества или подробностей обучающего набора данных, поэтому эффективность модели для конкретных сценариев по ней оценить нельзя.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
We employ the original Mistral-7B-Instruct-v0.2 model, which we further fine-tune using carefully selected samples from our compiled dataset (available at https://github.com/rhyang2021/LoGU). This refined model is subsequently utilized within our LoGU task, specifically targeting the challenges of uncertainty-suppression and uncertainty-misalignment. For additional details, please refer to our Github and Paper.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…