/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
143 млн
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
30 апр 2024

Contrail-200m-64k

Генерация текстаТекст → текст3 профессии

Компактная языковая модель Mistral для генерации японского и английского текста с контекстом до 65 536 токенов.

452скачиваний за 30 дней2лайкавеса обновлены27 дек 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

Contrail-200m-64k — языковая модель семейства Mistral, разработанная Rakuto Suda и предварительно обученная на 10 млрд токенов набора JetCopper-10B. Это плотная авторегрессионная модель для генерации текста; в метаданных указаны 143,1 млн параметров, а в README размер округлён до 200 млн. Контекстное окно составляет 65 536 токенов.

Модель рассчитана на работу с японским и английским языками. Её можно использовать для продолжения текста и экспериментов с генерацией на длинном контексте. В README приведено значение итоговой perplexity 27,88, но сравнительные оценки качества не указаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • продолжение японского текста
  • продолжение английского текста
  • генерация текста на длинном контексте
  • эксперименты с компактными авторегрессионными моделями

Ограничения

В README приведена perplexity 27,88, но нет сравнительных оценок качества или сведений о пригодности для конкретных прикладных сценариев.

Для каких профессий подходит3

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

Logo designed by Rotejin.

Contrail-200m-64k

Description

Contrail is Mistral model pre-trained on the 10b tokens of JetCopper-10B.

A final validation perplexity of 27.88 has been reached.

Model Details

  • Architecture: Mistral (LLaMA-compatible)

  • Model size: 200M

  • Trained tokens: 10B tokens

  • Context length: 65536

  • Languages: Japanese, English

  • License: Apache-2.0

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
import torch

model_name = "sudy-super/Contrail-200m-64k"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto", torch_dtype=torch.bfloat16)
streamer = TextStreamer(tokenizer, skip_prompt=True, skip_special_tokens=True)

if torch.cuda.is_available():
    model = model.to("cuda")

prompt = "AIによって私達の暮らしは、"

with torch.no_grad():
  token_ids = tokenizer.encode(prompt, return_tensors="pt")
  output_ids = model.generate(
      input_ids=token_ids.to(model.device),
      min_new_tokens=10,
      max_new_tokens=100,
      do_sample=True,
      temperature=0.7,
      streamer=streamer,
  )

Author

Rakuto Suda

Citations

@article{jiang2023mistral},
  title={Mistral 7B},
  author={Albert Q. Jiang, Alexandre Sablayrolles, Arthur Mensch, Chris Bamford, Devendra Singh Chaplot, Diego de las Casas, Florian Bressand, Gianna Lengyel, Guillaume Lample, Lucile Saulnier, L{\'e}lio Renard Lavaud, Marie-Anne Lachaux, Pierre Stock, Teven Le Scao, Thibaut Lavril, Thomas Wang, Timoth{\'e}e Lacroix, William El Sayed},
  journal={arXiv preprint arXiv:2310.06825},
  year={2023}
}

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
96fc904

0 моделей