/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
MIT
Архитектура
mistral · dense
Базовая модель
Sectumsempra-7B-DPO
Библиотека
transformers
Опубликована
4 фев 2024

SeverusWestLake-7B-DPO

Генерация текстаТекст → текст8 профессий

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста и диалоговых задач с контекстом до 32 768 токенов.

56скачиваний за 30 дней5лайковвеса 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

SeverusWestLake-7B-DPO — языковая модель на архитектуре Mistral, созданная объединением моделей FelixChao/Sectumsempra-7B-DPO и cognitivecomputations/WestLake-7B-v2-laser с помощью mergekit и метода SLERP. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов.

Модель подходит для диалоговых сценариев, ответов на вопросы, написания и продолжения текста, а также задач рассуждения. В README приведены результаты Open LLM Leaderboard, включая средний балл 75,42, но они не гарантируют качество на конкретных прикладных задачах. Языковая поддержка отдельно не описана. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • генерация ответов в диалоге
  • написание и продолжение текста
  • ответы на вопросы
  • решение задач на рассуждение

Ограничения

Поддерживаемые языки и качество на отдельных прикладных задачах в карточке не описаны. Результаты бенчмарков не гарантируют качество ответов в конкретных сценариях.

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

SeverusWestLake-7B-DPO

image

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

base_model: FelixChao/Sectumsempra-7B-DPO
dtype: bfloat16
merge_method: slerp
parameters:
  t:
  - filter: self_attn
    value: [0.0, 0.5, 0.3, 0.7, 1.0]
  - filter: mlp
    value: [1.0, 0.5, 0.7, 0.3, 0.0]
  - value: 0.5
slices:
- sources:
  - layer_range: [0, 32]
    model: FelixChao/Sectumsempra-7B-DPO
  - layer_range: [0, 32]
    model: cognitivecomputations/WestLake-7B-v2-laser

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.75.42
AI2 Reasoning Challenge (25-Shot)72.18
HellaSwag (10-Shot)88.94
MMLU (5-Shot)64.65
TruthfulQA (0-shot)71.49
Winogrande (5-shot)86.11
GSM8k (5-shot)69.14

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
6f3ad69

0 моделей