Характеристики

Контекст: 32 768 токенов
Параметры: 7,1 млрд
Размер весов: 29 ГБ
Лицензия: Apache 2.0
Архитектура: mistral · dense
Библиотека: transformers
Опубликована: 20 фев 2024

Ссылки

Experiment20-7B

Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель семейства Mistral на 7,1 млрд параметров для генерации текста и проверки исследовательского конвейера обучения и оценки LLM.

62скачиваний за 30 дней0лайковвеса обновлены20 фев 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.

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.

Открыть конструктор бенчмарка

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

Experiment20-7B — экспериментальная языковая модель на 7,1 млрд параметров, разработанная yam-peleg для проверки и уточнения исследовательского конвейера обучения и оценки LLM. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, предназначенная для генерации текста; в репозитории опубликованы веса Safetensors, а заявленный контекст составляет 32 768 токенов.

Эксперимент изучает влияние обработки данных, алгоритмов обучения и метрик оценки, поэтому модель может быть полезна для исследовательских проверок и испытания конвейера. README не описывает особые прикладные навыки или гарантии качества ответов. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

генерация текста для проверки конвейера обучения LLM
оценка результатов экспериментов с алгоритмами обучения
сравнение вариантов предобработки данных
тестирование метрик оценки языковых моделей

Ограничения

README не сообщает о специализированных возможностях или результатах оценки качества, поэтому пригодность для конкретных задач не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Experiment20-7B

An experiment for testing and refining a specific training and evaluation pipeline research framework.

This experiment aims to identify potential optimizations, focusing on data engineering, architecture efficiency, and evaluation performance.

The goal is to evaluate the effectiveness of a new training / evaluation pipeline for LLMs.

The experiment will explore adjustments in data preprocessing, model training algorithms, and evaluation metrics to test methods for improvement.

More details in the future experiments.

license: apache-2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: MistralForCausalLM
Ревизия весов: 2491f12