/ Модель

Характеристики

Контекст
16 384 токена
Параметры
2,8 млрд
Размер весов
5,8 ГБ
Лицензия
CC BY-NC-SA 4.0
Архитектура
mistral · dense
Базовая модель
Minerva-3B-base-v1.0
Опубликована
9 мая 2024

Minerva-3B-Instruct-v1.0

Генерация текстаТекст → текст3 профессии

Инструктивная модель на базе Mistral с 2,8 млрд параметров для понимания инструкций и генерации ответов на итальянском языке.

23скачиваний за 30 дней7лайковвеса обновлены10 мая 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

Minerva-3B-Instruct-v1.0 — инструктивно дообученная языковая модель, разработанная Walid Iguider на базе Minerva-3B-base-v1.0 от Sapienza NLP, FAIR и CINECA. Она предназначена для понимания инструкций и генерации ответов на итальянском языке.

Модель построена на архитектуре Mistral с плотной языковой моделью и содержит 2,8 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 16 384 токенов. В карточке приведены результаты оценки на итальянских вариантах Hellaswag, ARC и MMLU.

Модель распространяется в формате Safetensors по лицензии CC-BY-NC-SA-4.0. Она подходит для италоязычных диалоговых и инструктивных сценариев, но приведённые оценки не гарантируют качество для любых запросов или предметных областей.

Сценарии применения

  • ответы на вопросы на итальянском языке
  • выполнение текстовых инструкций на итальянском
  • генерация италоязычных диалоговых ответов
  • решение тестовых вопросов на итальянском языке

Ограничения

В карточке приведены оценки лишь на нескольких тестах итальянского языка; они не устанавливают качество на других задачах и языках. Для коммерческого использования необходимо учитывать ограничения лицензии CC-BY-NC-SA-4.0.

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

Model Card for Minerva-3B-Instruct-v1.0

Minerva-3B-Instruct-v1.0 is an instruction-tuned version of the Minerva-3B-base-v1.0 model, specifically fine-tuned for understanding and following instructions in Italian.

Model Details

Model Description

Evaluation

For a detailed comparison of model performance, check out the Leaderboard for Italian Language Models.

Here's a breakdown of the performance metrics:

Model/metrichellaswag_it acc_normarc_it acc_normm_mmlu_it 5-shot accAverage
Minerva-3B-Instruct-v1.00.51970.31570.26310.366
Minerva-3B-base-v1.00.51870.30450.26120.361

Sample Code

  from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
  import torch
  torch.random.manual_seed(0)
  # Run text generation pipeline with our next model
  prompt = """Di seguito è riportata un'istruzione che descrive un'attività, abbinata ad un input che fornisce
  ulteriore informazione. Scrivi una risposta che soddisfi adeguatamente la richiesta.
  
  ### Istruzione:
  Suggerisci un'attività serale romantica

  ### Input:
  
  
  ### Risposta:"""
  
  model_id = "FairMind/Minerva-3B-Instruct-v1.0"
  tokenizer = AutoTokenizer.from_pretrained(model_id)
  model = AutoModelForCausalLM.from_pretrained(
      model_id, 
      device_map="cuda", 
      torch_dtype="auto", 
      trust_remote_code=True, 
  )
  
  generation_args = {
      "max_new_tokens": 500,
      "return_full_text": False,
      "temperature": 0.0,
      "do_sample": False,
  }
  
  pipe = pipeline(
      "text-generation",
      model=model,
      tokenizer=tokenizer,
  )
  
  output = pipe(prompt, **generation_args)
  print(output[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
MistralForCausalLM
Ревизия весов
63804de

0 моделей