/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
1,4 млрд
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1-6-layer
Опубликована
24 апр 2024

Ссылки

Hugging Face

distil-zephyr-1.5b-ssft-ultrachat

sanchit-gandhi
Генерация текстаТекст → текст6 профессий

Дообученная на UltraChat модель Mistral с 1,4 млрд параметров для генерации ответов в диалогах.

549скачиваний за 30 дней0лайковвеса обновлены25 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.

Открыть конструктор бенчмарка

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

sanchit-gandhi/distil-zephyr-1.5b-ssft-ultrachat — плотная авторегрессионная языковая модель семейства Mistral, дообученная на диалоговом датасете stingning/ultrachat. Модель содержит 1,4 млрд параметров, использует архитектуру MistralForCausalLM и рассчитана на контекст до 32 768 токенов.

Модель предназначена для генерации текста в диалогах: она может отвечать на запросы и поддерживать многоходовое общение. В README приведён результат оценки на тестовой выборке: loss 1,0042. Карточка не описывает языковое покрытие и практические ограничения. Модель опубликована в формате safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы в диалоговом интерфейсе
  • ведение многоходового текстового диалога
  • генерация ответов на пользовательские запросы

Ограничения

README не приводит подробных сведений о качестве, языковом покрытии и ограничениях применения; указан только loss 1,0042 на тестовой выборке. Лицензия в доступных данных не указана.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sanchit-gandhi/Mistral-7B-v0.1-6-layer

This model is a fine-tuned version of sanchit-gandhi/Mistral-7B-v0.1-6-layer on the stingning/ultrachat dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0042

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 256
  • total_eval_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 20000

Training results

Training LossEpochStepValidation Loss
1.1351.236150001.0484
0.97172.4722100001.0058
0.86433.7083150000.9966
0.81914.9444200001.0042

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.2.2+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

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
31566ec

0 моделей

    Создать бенчмарк