/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Базовая модель
OGNO-7B
Опубликована
15 фев 2024

ParrotMOgno-7B

Генерация текстаТекст → текст

ParrotMOgno-7B — DPO-дообученная Mistral-модель на 7,1 млрд параметров для генерации текста и диалоговых ответов.

17скачиваний за 30 дней0лайковвеса обновлены15 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.

  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

ParrotMOgno-7B — языковая модель, разработанная yleo как DPO-дообучение paulml/OGNO-7B на предпочтениях из набора yleo/emerton_dpo_pairs_judge. Основа — плотная MistralForCausalLM с 7,1 млрд параметров; модель распространяется в формате safetensors по лицензии CC BY-NC 4.0.

Модель предназначена для генерации текста и диалоговых ответов. Она совместима с шаблонами чата ChatML и Llama. README заявляет контекстное окно 8 тыс. токенов, тогда как метаданные каталога указывают нативный контекст 32 768 токенов.

Дообучение DPO использовало пары предпочтений, основанные на Intel/orca_dpo_pairs: ответы GPT-3.5 заменили ответами GPT-4 Turbo, а ответы GPT-4 Turbo и GPT-4 использовали как выбранные и отклонённые соответственно. Карточка не приводит результатов бенчмарков или оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание текста по запросу
  • развёртывание чат-модели с шаблоном ChatML
  • развёртывание чат-модели с шаблоном Llama

Ограничения

README указывает контекст 8 тыс. токенов, а метаданные — 32 768 токенов, поэтому фактический предел может зависеть от конфигурации и способа запуска. В карточке нет результатов бенчмарков; лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🦜 ParrotMOgno-7B

ParrotOgno-7B is a DPO fine-tune of paulml/OGNO-7B using the yleo/emerton_dpo_pairs_judge preference dataset created from Intel/orca_dpo_pairs by replacing gpt 3.5 answer by a gpt4 Turbo answer. Then, gpt4 Turbo is put as chosen whereas gpt4 is put as rejected.

🔍 Applications

This model uses a context window of 8k. It is compatible with different templates, like chatml and Llama's chat template.

🏆 Evaluation

Open LLM Leaderboard

To come...

💻 Usage

!pip install -qU transformers accelerate
from transformers import AutoTokenizer
import transformers
import torch
model = "yleo/ParrotMOgno-7B"
messages = [{"role": "user", "content": "How to improve LLM fine-tuning?"}]
tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
"text-generation",
model=model,
torch_dtype=torch.float16,
device_map="auto",
)
outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[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
aba9e18

0 моделей