/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Nemo-12B-Marlin-v5
Библиотека
transformers
Опубликована
10 авг 2024

Starlight-V3-12B

Генерация текстаТекст → текст4 профессии

Starlight-V3-12B — объединённая методом TIES модель Mistral на 12,1 млрд параметров для генерации диалогового и творческого текста.

21скачиваний за 30 дней4лайкавеса обновлены11 авг 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

Starlight-V3-12B — языковая модель, созданная starble-dev с помощью mergekit: автор объединил методом TIES модели anthracite-org/magnum-12b-v2 и UsernameJustAnother/Nemo-12B-Marlin-v5, используя первую как базовую. Это плотная архитектура Mistral с 12,1 млрд параметров, предназначенная для генерации текста и диалогов. Модель представлена в формате safetensors, использует библиотеку Transformers и поддерживает контекст до 1 024 000 токенов.

Цель слияния — сохранить сильные стороны Magnum v2 и добавить генерации больше креативности. Автор рекомендует подбирать параметры сэмплирования; в README отмечена чувствительность результата к температуре и возможность утечки фрагментов обучающих данных при высоких значениях температуры. Лицензия — Apache 2.0.

Сценарии применения

  • генерация ролевых диалогов
  • создание творческих текстов и продолжений
  • разговорный чат с языковой моделью
  • генерация текста с длинным контекстом

Ограничения

Автор отмечает, что результаты слияния не всегда удовлетворительны и базовая Magnum v2 может работать лучше. Модель чувствительна к настройкам сэмплирования; при высокой температуре возможно воспроизведение фрагментов обучающих данных.

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

[!WARNING] General Use Sampling: Mistral-Nemo-12B is very sensitive to the temperature sampler, try values near 0.3 at first or else you will get some weird results. This is mentioned by MistralAI at their Transformers section.

[!NOTE] Best Samplers: I found best success using the following for Starlight-V3-12B: Temperature: 0.7-1.2 (Additional stopping strings will be necessary as you increase the temperature) Top K: -1 Min P: 0.05 Rep Penalty: 1.03-1.1

Why Version 3?

Currently the other versions resulted in really bad results that I didn't upload them, the version number is just the internal version.

Goal

The idea is to keep the strengths of anthracite-org/magnum-12b-v2 while adding some more creativity that seems to be lacking in the model. Mistral-Nemo by itself seems to behave less sporadic due to the low temperature needed but this gets a bit repetitive, although it's still the best model I've used so far.

Results

I am not entirely pleased with the result of the merge but it seems okay, though base anthracite-org/magnum-12b-v2 might just be better by itself. However, I'll still experiement on different merge methods. Leaking of the training data used on both models seems a bit more apparent when using higher temperature values, especially the use of author notes on the system prompt. Generally I'd advise to create a stopping string for "```" to avoid the generation of the training data. Original Models:

GGUF Quants

Original Model Licenses & This Model License: Apache 2.0


Starlight-V3-12B

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

Merge Details

Merge Method

This model was merged using the TIES merge method using models/magnum-12b-v2 as a base.

Models Merged

The following models were included in the merge:

  • UsernameJustAnother/Nemo-12B-Marlin-v5
  • anthracite-org/magnum-12b-v2

Configuration

The following YAML configuration was used to produce this model:

models:
    - model: anthracite-org/magnum-12b-v2
      parameters:
        density: 0.3
        weight: 0.5
    - model: UsernameJustAnother/Nemo-12B-Marlin-v5
      parameters:
        density: 0.7
        weight: 0.5
merge_method: ties
base_model: anthracite-org/magnum-12b-v2
parameters:
    normalize: true
    int8_mask: true
dtype: bfloat16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
0bf08cc

0 моделей