/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY 4.0
Архитектура
mixtral · MoE
Опубликована
9 янв 2024

Open_Gpt4_8x7B_v0.2

Генерация текстаТекст → текст8 профессий

Слитая модель Mixtral для генерации текста и выполнения инструкций, опубликованная в FP16 для обучения и дальнейшего слияния.

137скачиваний за 30 дней13лайковвеса 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

Open_Gpt4_8x7B_v0.2 — языковая модель, созданная rombodawg слиянием TIES на основе MixtralOrochi8x7B, Mixtral-8x7B-Instruct-v0.1 и bagel-dpo-8x7b-v0.2. В карточке указаны архитектура Mixtral с разреженной смесью экспертов (MoE), 7,1 млрд параметров и контекст до 32 768 токенов. Опубликованная версия FP16 в формате safetensors предназначена для обучения и дальнейшего слияния; для инференса автор отсылает к отдельной квантизованной версии.

Модель генерирует текст и рассчитана на диалоговые и другие задачи следования инструкциям с шаблоном Alpaca. Автор описывает её как попытку расширить возможности MixtralOrochi и сообщает результаты оценки на бенчмарках, но отмечает необходимость дальнейшего тестирования. Лицензия — CC BY 4.0.

Сценарии применения

  • диалоговые ответы по инструкциям
  • генерация и продолжение текста
  • подготовка модели к дальнейшему обучению
  • слияние с другими моделями Mixtral

Ограничения

Автор отмечает, что для оценки качества модели требуется дополнительное тестирование. Версия FP16 предназначена для обучения и слияния; для инференса автор рекомендует отдельную квантизованную версию.

Для каких профессий подходит8

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

Open_Gpt4_v0.2

This is the un-quantized fp16 version for training and merging. If you want the quantized version for inference please refer to the repo bellow:

image/jpeg

This model is a TIES merger of Mixtral-8x7B-Instruct-v0.1 and bagel-dpo-8x7b-v0.2 with MixtralOrochi8x7B being the Base model.

I was very impressed with MixtralOrochi8x7B performance and multifaceted usecases as it is already a merger of many usefull Mixtral models such as Mixtral instruct, Noromaid-v0.1-mixtral, openbuddy-mixtral and possibly other models that were not named. My goal was to expand the models capabilities and make it even more useful of a model, maybe even competitive with closed source models like Gpt-4. But for that more testing is required. I hope the community can help me determine if its deserving of its name. 😊

This is the second iteration of this model, using better models in the merger to improve performance (hopefully).

Base model:

Merged models:

Instruct template: Alpaca

Merger config:

models:
  - model: Mixtral-8x7B-Instruct-v0.1

    parameters:
      density: .5
      weight: 1
  - model: bagel-dpo-8x7b-v0.2
    parameters:
      density: .5
      weight: .7


merge_method: ties
base_model: MixtralOrochi8x7B
parameters:
  normalize: true
  int8_mask: true
dtype: float16



Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.73.59
AI2 Reasoning Challenge (25-Shot)68.69
HellaSwag (10-Shot)86.16
MMLU (5-Shot)72.07
TruthfulQA (0-shot)71.92
Winogrande (5-shot)83.58
GSM8k (5-shot)59.14

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
77a09b2

0 моделей