/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B-Instruct
Опубликована
24 апр 2024

Llama-3-Mistral-v0.2-Instruct-slerp

Генерация текстаТекст → текст14 профессий

Диалоговая языковая модель на 7,5 млрд параметров, объединяющая Llama 3 и Mistral для генерации текста и ответов на инструкции.

20скачиваний за 30 дней1лайквеса обновлены24 апр 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

Llama-3-Mistral-v0.2-Instruct-slerp — диалоговая языковая модель, созданная объединением моделей Meta Llama 3 8B Instruct и Mistral 7B Instruct v0.2 методом SLERP с помощью LazyMergekit. Это плотная авт autoreгрессионная архитектура семейства Llama для генерации текста и ответов на инструкции; в репозитории указано 7,5 млрд параметров.

Модель рассчитана на диалоговое использование и выполнение запросов на естественном языке. Она принимает текст и генерирует текст. Длина контекста составляет 8192 токена. Данные о целевых языках в карточке не приведены.

Модель распространяется под лицензией MIT. Карточка не сообщает о специальных ограничениях качества или безопасности.

Сценарии применения

  • диалог с языковой моделью
  • ответы на инструкции и вопросы
  • генерация текстовых ответов
  • черновики и продолжение текста

Ограничения

Контекст ограничен 8192 токенами. Поддерживаемые языки и отдельные гарантии качества в карточке не описаны.

Для каких профессий подходит14

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

Llama-3-Mistral-v0.2-Instruct-slerp

Llama-3-Mistral-v0.2-Instruct-slerp is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
- sources:
  - model: meta-llama/Meta-Llama-3-8B-Instruct
    layer_range:
    - 0
    - 32
  - model: mistralai/Mistral-7B-Instruct-v0.2
    layer_range:
    - 0
    - 32
merge_method: slerp
base_model: meta-llama/Meta-Llama-3-8B-Instruct
parameters:
  t:
  - filter: self_attn
    value:
    - 0
    - 0.5
    - 0.3
    - 0.7
    - 1
  - filter: mlp
    value:
    - 1
    - 0.5
    - 0.7
    - 0.3
    - 0
  - value: 0.5
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "varox34/Llama-3-Mistral-v0.2-Instruct-slerp"
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"])

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
a251384

0 моделей