/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
West-Hermes-7B
Опубликована
10 фев 2024

WestKunai-Hermes-7b

Генерация текстаТекст → текст10 профессий

Слитая модель на базе Mistral с 7,1 млрд параметров для генерации текста и ответов на запросы с контекстом до 32 768 токенов.

55скачиваний за 30 дней3лайкавеса обновлены16 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

WestKunai-Hermes-7b — слитая языковая модель, созданная автором seyf1elislam с помощью mergekit и метода DARE TIES. В слиянии использованы saishf/West-Hermes-7B и seyf1elislam/KunaiBeagle-Hermes-7b на основе mistralai/Mistral-7B-v0.1.

Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста по запросам и может применяться в диалогах, ответах на вопросы и задачах рассуждения. Репозиторий содержит веса в формате safetensors; в README также упомянуты квантованные версии GGUF.

Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README приводит результаты Open LLM Leaderboard, но не описывает отдельно языковую специализацию или гарантии качества.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • ответы на вопросы по переданному контексту
  • создание черновиков и продолжение текста
  • решение задач на рассуждение

Ограничения

README не указывает языковую специализацию или отдельные ограничения качества; применимость к конкретным языкам и сценариям следует проверять отдельно. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Для каких профессий подходит10

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

WestKunai-Hermes-7b

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

Quantized versions :

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: saishf/West-Hermes-7B
    parameters:
      weight: 0.55
      density: 0.65
  - model: seyf1elislam/KunaiBeagle-Hermes-7b
    parameters:
      weight: 0.55
      density: 0.65
merge_method: dare_ties
base_model: mistralai/Mistral-7B-v0.1
parameters:
  int8_mask: true
dtype: bfloat16

Usage Example

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "seyf1elislam/WestKunai-Hermes-7b"
messages = [{"role": "user", "content": "What is a large language model?"}]

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"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.73.51
AI2 Reasoning Challenge (25-Shot)71.16
HellaSwag (10-Shot)87.76
MMLU (5-Shot)64.77
TruthfulQA (0-shot)65.25
Winogrande (5-shot)83.03
GSM8k (5-shot)69.07

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
8b5ae8a

0 моделей