Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 7,1 млрд
- Размер весов
- 29 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- mistral · dense
- Опубликована
- 23 ноя 2023
Ссылки
smartyplats-7b-v2
Экспериментальная дообученная на данных в стиле Alpaca модель Mistral 7B для генерации текста по шаблону инструкций.
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
SmartyPlats-7b-v2 — экспериментальная дообученная языковая модель, опубликованная vihangd. Она основана на Mistral 7B и обучена с помощью QLoRA на наборах данных в стиле Alpaca; модель предназначена для генерации текста и диалоговых запросов, оформленных по шаблону Alpaca. Это плотная авторегрессионная модель класса MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов.
Репозиторий содержит веса PyTorch в формате safetensors. Модель распространяется по лицензии Apache-2.0. README называет её экспериментальной, поэтому качество и пригодность для конкретных сценариев следует оценивать отдельно.
Сценарии применения
- генерация ответов на текстовые инструкции
- ведение текстового диалога в формате Alpaca
- составление и переформулирование текстов
- создание черновиков и кратких пояснений
Ограничения
Модель обозначена автором как экспериментальная; в README нет результатов оценки качества или подробного описания возможностей и ограничений.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- MistralForCausalLM
- Ревизия весов
- aa1992e