/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral_denseformer · dense
Опубликована
23 мар 2024

mistral-denseformer-7b

Генерация текстаТекст → текст3 профессии

Экспериментальная реализация DenseFormer на базе Mistral-7B-v0.1 для генерации текста и дальнейшего предварительного обучения.

182скачиваний за 30 дней6лайковвеса обновлены24 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

winglian/mistral-denseformer-7b — экспериментальная реализация архитектуры DenseFormer на основе предобученной языковой модели Mistral-7B-v0.1. Модель разработана авторами репозитория; в карточке также указана команда Mistral AI. Это причинная Transformer-модель с 7,1 млрд параметров, построенная на Mistral-7B-v0.1; архитектура использует Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Максимальная длина контекста — 32 768 токенов.

Модель предназначена для генерации текста и дальнейшего изучения DenseFormer. Для получения заявленных в статье улучшений требуется дополнительное предварительное обучение: сама реализация не гарантирует их без такого обучения. Для загрузки требуется включить trust_remote_code=True; карточка рекомендует Transformers версии 4.34.0 или новее. Модель является базовой предобученной моделью без механизмов модерации, поэтому её ответы могут содержать нежелательный контент. Доступна по лицензии Apache-2.0.

Сценарии применения

  • генерация продолжений текста
  • эксперименты с архитектурой DenseFormer
  • дополнительное предварительное обучение языковой модели
  • изучение генеративных моделей на базе Mistral

Ограничения

Для проявления улучшений DenseFormer требуется дополнительное предварительное обучение. Базовая модель не содержит механизмов модерации, а для загрузки нужно разрешить выполнение trust_remote_code.

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 DenseFormer Mistral-7B-v0.1

This is a DenseFormer implementation of Mistral-7B-v0.1. The details about DenseFormer are in the paper.

You will need to use trust_remote_code=True to load this model.

This model WILL require additional pretraining to see the improvements indicated by the DenseFormer paper. Per the paper:

Once deciding to go to the valley where DWA weights are not used, it is difficult to recover and ultimately benefit from newly added DWA weights. We believe this phenomenon could be mitigated using a better learning rate scheduler. We leave this investigation as future work.

The Mistral-7B-v0.1 Large Language Model (LLM) is a pretrained generative text model with 7 billion parameters. Mistral-7B-v0.1 outperforms Llama 2 13B on all benchmarks we tested.

For full details of this model please read our paper and release blog post.

Model Architecture

Mistral-7B-v0.1 is a transformer model, with the following architecture choices:

  • Grouped-Query Attention
  • Sliding-Window Attention
  • Byte-fallback BPE tokenizer

Troubleshooting

  • If you see the following error:
KeyError: 'mistral'
  • Or:
NotImplementedError: Cannot copy out of meta tensor; no data!

Ensure you are utilizing a stable version of Transformers, 4.34.0 or newer.

Notice

Mistral 7B is a pretrained base model and therefore does not have any moderation mechanisms.

The Mistral AI Team

Albert Jiang, Alexandre Sablayrolles, Arthur Mensch, Chris Bamford, Devendra Singh Chaplot, Diego de las Casas, Florian Bressand, Gianna Lengyel, Guillaume Lample, Lélio Renard Lavaud, Lucile Saulnier, Marie-Anne Lachaux, Pierre Stock, Teven Le Scao, Thibaut Lavril, Thomas Wang, Timothée Lacroix, William El Sayed.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MistralDenseFormerForCausalLM
Ревизия весов
62c3402

0 моделей