/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
29 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
30 дек 2023

Mistral-Syndicate-7B

Генерация текстаТекст → текст4 профессии

Экспериментальная модель Mistral на 7,1 млрд параметров, дообученная на синтетических инструкциях для генерации ответов на английском языке.

47скачиваний за 30 дней0лайковвеса обновлены26 июл 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2631

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2496

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,034

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,276

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4386

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4245

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mistral Syndicate — экспериментальная instruction-tuned языковая модель, созданная spmurrayzzz на базе mistralai/Mistral-7B-v0.1. Она дообучена на синтетических примерах: несколько открытых языковых моделей предлагали ответы на инструкции, после чего выбирался лучший ответ. Для обучения использовалась отобранная часть VMWare/open-instruct и самостоятельно составленные инструкции.

Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Она принимает текстовые инструкции с дополнительным контекстом или без него и генерирует текстовые ответы; метаданные указывают контекст до 32 768 токенов и поддержку английского языка. В README приведены результаты нескольких бенчмарков, но автор подчёркивает, что это эксперимент по изучению динамики обучения, а не передовая модель.

Модель распространяется по лицензии Apache-2.0. Результаты бенчмарков и экспериментальный характер обучения не гарантируют качества ответов в прикладных сценариях; для критичных задач ответы следует проверять.

Сценарии применения

  • генерация ответов на текстовые инструкции
  • выполнение запросов с дополнительным контекстом
  • создание черновиков текстовых ответов на английском языке

Ограничения

Автор описывает модель как эксперимент по изучению динамики обучения и отмечает, что она не является передовой. Качество ответов в прикладных сценариях не гарантировано.

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

Mistral-Syndicate-7B

Model Description:

Mistral Syndicate is in no way a state-of-the-art model, rather it is a fine-tuning experiment to explore the training dynamics specific to large language models. The dataset used in finetuning was generated via a "syndicate" of other open language models both of similar parameter size and larger. Each model would generate a response for a given instruction, and the group would vote on which model's response was best.

The instruction inputs used for the output label synthesis were a curated subset of VMWare/open-instruct with additional instructions synthesized from scratch.

Prompt template

With context

Below is an instruction that describes a task, paired with an input that provides further context. Write a response that appropriately completes the request.

### Instruction:

### Input:

### Response:

Without context

Below is an instruction that describes a task. Write a response that appropriately completes the request.

### Instruction:

### Response:

Evaluation Results

12.30.23

BenchmarkResult
ARC60.84
HellaSwag82.91
MMLU60.83
TruthfulQA43.71
Winogrande78.61
GSM8K44.50

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.61.90
AI2 Reasoning Challenge (25-Shot)60.84
HellaSwag (10-Shot)82.91
MMLU (5-Shot)60.83
TruthfulQA (0-shot)43.71
Winogrande (5-shot)78.61
GSM8k (5-shot)44.50

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.13.85
IFEval (0-Shot)24.96
BBH (3-Shot)20.51
MATH Lvl 5 (4-Shot)2.42
GPQA (0-shot)3.47
MuSR (0-shot)13.62
MMLU-PRO (5-shot)18.13

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
7fa40e3

0 моделей