/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
49,9 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Базовая модель
Llama-3-Smaug-8B
Опубликована
26 апр 2024

Skyro-4X8B

Генерация текстаТекст → текст7 профессий

Skyro-4X8B — текстовая MoE-модель, полученная слиянием четырёх моделей Llama 3 и предназначенная для генерации текста и диалогов.

22скачиваний за 30 дней2лайкавеса обновлены9 мая 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

Skyro-4X8B — языковая модель с архитектурой Mixture of Experts (MoE), созданная автором репозитория saucam путём слияния четырёх моделей семейства Llama 3 с помощью Mergekit: Llama-3-Smaug-8B, Dolphin 2.9 Llama 3 8B, Einstein v6.1 Llama 3 8B и Opus v1.2 Llama 3 8B. Модель содержит 7,5 млрд параметров, использует архитектуру MixtralForCausalLM и принимает текст для генерации текста; контекст составляет 8192 токена.

Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты оценки на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, но не описаны методика тестирования и ограничения поведения. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • составление черновиков и продолжение текста
  • ответы на вопросы общего характера
  • решение задач на рассуждение и школьную математику

Ограничения

В карточке не указаны поддерживаемые языки и подробные ограничения модели. Результаты оценки приведены без описания методики тестирования.

Для каких профессий подходит7

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

🚀 Skyro-4X8B

Skyro-4X8B is a Mixure of Experts (MoE) made with the following models using Mergekit:

🧩 Configuration

base_model: meta-llama/Meta-Llama-3-8B
gate_mode: hidden
experts:
  - source_model: abacusai/Llama-3-Smaug-8B
    positive_prompts:
    - "chat"
    - "assistant"
    - "tell me"
    - "explain"
    - "I want"
  - source_model: cognitivecomputations/dolphin-2.9-llama3-8b
    positive_prompts:
    - "math"
    - "mathematics"
    - "code"
    - "engineering"
    - "solve"
    - "logic"
    - "rationality"
    - "puzzle"
    - "solve"
  - source_model: Weyaxi/Einstein-v6.1-Llama3-8B
    positive_prompts:
    - "science"
    - "medical"
    - "physics"
    - "engineering"
    - "math"
    - "logic"
    - "rationality"
    - "mathematics"
    - "solve"
  - source_model: dreamgen-preview/opus-v1.2-llama-3-8b-base-run3.4-epoch2
    positive_prompts:
    - "story"
    - "roleplay"
    - "role-play"
    - "storywriting"
    - "character"
    - "narrative"
    - "creative"

Evaluation

AverageARCHellaSwagMMLUTruthfulQAWinograndeGSM8K
66.3961.2682.3866.6750.1577.6660.2

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "saucam/Skyro-4X8B"
messages = [{"role": "user", "content": "In a student council election, candidate A got 20% of the votes while candidate B got 50% more than candidate A's votes. The rest of the votes was given to candidate C. If there were 100 voters, how many votes did candidate C get?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Sample output

config.json: 100%|██████████████████████████████████████████████████████████████| 878/878 [00:00<00:00, 4.18MB/s]
model.safetensors.index.json: 100%|██████████████████████████████████████████| 53.5k/53.5k [00:00<00:00, 101MB/s]
model-00001-of-00006.safetensors: 100%|█████████████████████████████████████| 9.89G/9.89G [03:47<00:00, 43.4MB/s]
model-00002-of-00006.safetensors: 100%|█████████████████████████████████████| 9.98G/9.98G [03:23<00:00, 49.0MB/s]
model-00003-of-00006.safetensors: 100%|█████████████████████████████████████| 9.98G/9.98G [03:44<00:00, 44.5MB/s]
model-00004-of-00006.safetensors: 100%|█████████████████████████████████████| 9.90G/9.90G [03:30<00:00, 46.9MB/s]
model-00005-of-00006.safetensors: 100%|█████████████████████████████████████| 9.08G/9.08G [03:08<00:00, 48.1MB/s]
model-00006-of-00006.safetensors: 100%|█████████████████████████████████████| 1.05G/1.05G [00:20<00:00, 51.3MB/s]
Downloading shards: 100%|█████████████████████████████████████████████████████████| 6/6 [17:58<00:00, 179.78s/it]
Loading checkpoint shards: 100%|███████████████████████████████████████████████████| 6/6 [01:27<00:00, 14.59s/it]
WARNING:root:Some parameters are on the meta device device because they were offloaded to the cpu.
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.

<|im_start|>user
In a student council election, candidate A got 20% of the votes while candidate B got 50% more than candidate A's votes. The rest of the votes was given to candidate C. If there were 100 voters, how many votes did candidate C get?<|im_end|>
<|im_start|>assistant
Let's denote the number of votes candidate A got as \( A \).

Candidate B got 50% more votes than candidate A, so candidate B got \( A + 0.5A = 1.5A \) votes.

Candidate C got the rest of the votes, which means \( C = 100 - (A + 1.5A) \).

We know that candidate A got 20% of the votes, so \( A = 20\% \times 100 = 20 \).

Now we can calculate candidate C's votes:
\( C = 100 - (20 + 1.5 \times 20) \)
\( C = 100 - (20 + 30) \)
\( C = 100 - 50 \)
\( C = 50 \).

Therefore, candidate C got 50 votes.<|im_end|>

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
696b1b5

0 моделей