/ Модель

Характеристики

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

CAG-mistral-7b

Генерация текстаТекст → текст8 профессий

Дообученная на Mistral-7B модель для ответов по внешним документам с учётом их достоверности и противоречий.

42скачиваний за 30 дней1лайквеса обновлены11 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 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

CAG-mistral-7b — языковая модель на архитектуре Mistral, дообученная авторами репозитория на Mistral-7B для генерации ответов с учётом достоверности сведений в контексте. Она предназначена для сценариев retrieval-augmented generation (RAG), где нужно отвечать по внешним документам, в том числе при наличии шумных или противоречивых источников. Среди заявленных сценариев — персонализированные ответы и разрешение конфликтов знаний; модель также оценивалась на вопросах по открытым и меняющимся во времени сведениям и на вопросах в условиях загрязнения дезинформацией.

Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Карточка указывает английский язык и лицензию MIT. Ограничения качества и инструкции по развёртыванию в карточке не описаны.

Сценарии применения

  • ответы на вопросы по документам в RAG-системе
  • снижение влияния шумных источников на ответы
  • разрешение противоречий между документами
  • персонализированная генерация ответов
  • ответы на вопросы о меняющихся во времени фактах

Ограничения

Карточка не приводит количественных результатов или подробных ограничений качества; устойчивость к шумным документам заявлена авторами, но не подкреплена здесь конкретными метриками.

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

This model is a 7B model with credibility-aware generation, fine-tuned on Mistral-7B. It possesses the capability to comprehend and utilize credibility within the context for generation, thereby exhibiting strong robustness when dealing with externally introduced noisy documents in the RAG. Because of the capability of customized credibility in CAG, it has diverse application scenarios, including personalized response generation and the resolution of knowledge conflicts.

Read our article to learn more.

Evaluate our model in real scenarios including Open-domain QA, Time-sensitive QA, and Misinformation Polluted QA. For more information and to access the evaluation code, visit Code.

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
770524c

0 моделей