/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
1 янв 2024

mist-7b-sft-gutenberg-50k

Генерация текстаТекст → текст4 профессии

Дообученная на данных с художественными произведениями модель Mistral на 7,1 млрд параметров для генерации текста и диалоговых ответов.

16скачиваний за 30 дней0лайковвеса обновлены2 янв 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

sanps/mist-7b-sft-gutenberg-50k — дообученная модель Mistral AI, созданная автором репозитория sanps на основе mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров с контекстом до 32 768 токенов; репозиторий содержит веса в формате Safetensors.

Модель дообучена на части обучающего раздела GutenbergFictionSummaryPrepared и предназначена для генерации текста в этом контексте, включая работу в диалоговом формате. В карточке приведён результат Loss 2,1665 на наборе small_val. Автор сообщает, что обучение остановилось примерно на 0,69 эпохи и было нестабильным в начале, поэтому качество и завершённость дообучения могут быть ограничены.

Лицензия — Apache-2.0. Язык и точный формат входных инструкций в карточке не описаны.

Сценарии применения

  • генерация текста по мотивам художественной литературы
  • создание кратких пересказов художественных произведений
  • диалоговые ответы на текстовые запросы
  • эксперименты с дообучением языковой модели на литературных данных

Ограничения

Обучение остановилось примерно на 0,69 эпохи и было нестабильным в начале; автор предполагает, что выбранная скорость обучения могла быть слишком низкой. Качество и языковой охват сверх приведённой оценки Loss не подтверждены.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mist-7b-sft-gutenberg-50k

This model is a fine-tuned version of mistralai/Mistral-7B-v0.1 on a part of the train1 split of
sanps/GutenbergFictionSummaryPrepared

It achieves the following results on the evaluation set (split: "small_val"):

  • Loss: 2.1665

Loss curves:

image/png

I used the https://github.com/huggingface/alignment-handbook with few minor changes.

Weirdly enough it stopped training at 0.69 epoch (no, I am not making this up!). Will have to debug why.

The training was kind of unstable in the beginning but I lowered the lr and added max_grad_norm. However I feel the lr is too low and could have got better results with higher lr.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • total_train_batch_size: 4
  • total_eval_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
2.16190.6942822.1664

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

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
32773c7

0 моделей