/ Модель

Характеристики

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

Experiment31-7B

Генерация текстаТекст → текст3 профессии

Экспериментальная 7,1-миллиардная модель Mistral для тестирования конвейера обучения и оценки больших языковых моделей.

72скачиваний за 30 дней1лайквеса обновлены3 мар 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

Experiment31-7B — экспериментальная языковая модель на 7,1 млрд параметров, опубликованная yam-peleg. Она предназначена для проверки и уточнения исследовательского конвейера обучения и оценки LLM, включая эксперименты с предобработкой данных, алгоритмами обучения и метриками оценки. Модель построена на плотной архитектуре MistralForCausalLM и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Карточка описывает её как эксперимент, а не как готовую модель для пользовательских сценариев. Она может быть полезна для тестирования и анализа методов обучения и оценки LLM, но README не приводит конкретных результатов, оценок качества или подробностей об обучающих данных.

Сценарии применения

  • тестирование конвейера обучения LLM
  • сравнение методов предобработки обучающих данных
  • оценка алгоритмов обучения языковых моделей
  • проверка метрик оценки качества генерации

Ограничения

Карточка не приводит результатов оценки, описания обучающих данных или подтверждения пригодности для конкретных пользовательских задач. Модель представлена как эксперимент для проверки исследовательского конвейера.

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

Experiment31-7B

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
a27e0df

0 моделей