/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-Instruct-v0.2
Опубликована
7 мар 2024

mistralit2_1000_STEPS_5e7_SFT

Генерация текстаТекст → текст5 профессий

Дообученная методом SFT диалоговая модель Mistral на 7,1 млрд параметров для генерации текста и ответов на инструкции.

15скачиваний за 30 дней0лайковвеса обновлены7 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

Это диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная дообучением Mistral-7B-Instruct-v0.2 методом SFT. Модель предназначена для генерации текста и ответов в диалоговом формате; базовая модель поддерживает контекст до 32 768 токенов.

Карточка сообщает значение loss 0,2876 на оценочном наборе, но не описывает сам набор данных, методику оценки или специализированные сценарии применения. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Возможности и качество за пределами общей генерации текста по доступным сведениям оценить нельзя.

Сценарии применения

  • ответы на текстовые инструкции
  • ведение диалога с пользователем
  • генерация связного текста
  • создание прототипа чат-бота

Ограничения

Датасет дообучения неизвестен, а README не описывает предназначение, оценочную методику или ограничения качества; приведённого значения loss недостаточно для вывода о практической эффективности.

Для каких профессий подходит5

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

mistralit2_1000_STEPS_SFT_SFT

This model is a fine-tuned version of mistralai/Mistral-7B-Instruct-v0.2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2876

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 4
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • training_steps: 1000

Training results

Training LossEpochStepValidation Loss
0.4980.1500.3952
0.33090.21000.3213
0.32340.291500.3104
0.29530.392000.3048
0.29670.492500.3005
0.30470.593000.2972
0.28690.683500.2943
0.29120.784000.2913
0.28590.884500.2895
0.29410.985000.2880
0.24121.075500.2886
0.26371.176000.2884
0.26271.276500.2882
0.24431.377000.2881
0.25571.467500.2877
0.2591.568000.2876
0.25981.668500.2875
0.26331.769000.2876
0.27271.869500.2876
0.26741.9510000.2876

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.0.0+cu117
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
89acdfe

0 моделей