/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
3 фев 2024

Kuno-Lake-7B

Генерация текстаТекст → текст6 профессий

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

57скачиваний за 30 дней4лайкавеса 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

Kuno-Lake-7B — объединённая языковая модель на архитектуре Mistral, опубликованная saishf. Она создана методом DARE TIES с помощью mergekit на базе mistralai/Mistral-7B-v0.1 с включением моделей senseable/WestLake-7B-v2 и SanjiWatsuki/Kunoichi-DPO-v2-7B.

Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,1 млрд параметров, принимает текст и имеет контекстное окно до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag.

Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не описывает целевые языки и прикладные области, поэтому её языковую специализацию определить нельзя.

Сценарии применения

  • генерация продолжений текста
  • ответы на вопросы в диалоге
  • составление черновиков и пояснений
  • решение текстовых задач на рассуждение

Ограничения

Языковая специализация и целевые прикладные области в карточке не обозначены. Лицензия CC BY-NC 4.0 не допускает коммерческое использование.

Для каких профессий подходит6

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

merge

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

Merge Details

Merge Method

This model was merged using the DARE TIES merge method using mistralai/Mistral-7B-v0.1 as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: mistralai/Mistral-7B-v0.1
    # No parameters necessary for base model
  - model: senseable/WestLake-7B-v2
    parameters:
      density: 0.53
      weight: 0.65
  - model: SanjiWatsuki/Kunoichi-DPO-v2-7B
    parameters:
      density: 0.53
      weight: 0.35
merge_method: dare_ties
base_model: mistralai/Mistral-7B-v0.1
parameters:
  int8_mask: true
dtype: bfloat16

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.73.56
AI2 Reasoning Challenge (25-Shot)71.84
HellaSwag (10-Shot)88.15
MMLU (5-Shot)64.76
TruthfulQA (0-shot)66.83
Winogrande (5-shot)84.45
GSM8k (5-shot)65.35

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
e7463eb

0 моделей