/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9 млрд
Размер весов
20,3 ГБ
Лицензия
Gemma
Архитектура
gemma2 · dense
Базовая модель
MT2-Gen4-IMU-gemma-2-9B
Библиотека
transformers
Опубликована
15 дек 2024

MT2-Gen4-gemma-2-9B

Генерация текстаТекст → текст10 профессий

Объединённая методом SLERP модель Gemma 2 на 9 млрд параметров для генерации текста и диалогов.

25скачиваний за 30 дней1лайквеса обновлены22 дек 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,4321

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3456

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6097

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2236

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,7896

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4125

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

zelk12/MT2-Gen4-gemma-2-9B — языковая модель для генерации текста и диалогового общения, созданная объединением двух предварительно обученных моделей с помощью mergekit и метода SLERP: zelk12/MT2-Gen4-IMU-gemma-2-9B и zelk12/MT2-Gen4-MAGBMM-gemma-2-9B. В конфигурации указана первая модель как базовая, а коэффициент смешивания — 0,25.

Модель основана на плотной архитектуре Gemma 2 с 9 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors. Подходит для генерации ответов и ведения диалогов. В README приведены результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH.

Для использования требуется соблюдать лицензию Gemma. Карточка не описывает целевые языки и специализированные области применения, поэтому модель следует рассматривать как языковую модель общего назначения.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание связного текста по запросу
  • следование текстовым инструкциям
  • ответы на вопросы в формате чата

Ограничения

Карточка не приводит сведений о поддерживаемых языках и специализированных областях применения. В опубликованных результатах приведены лишь отдельные оценки Open LLM Leaderboard, которых недостаточно для вывода о качестве во всех сценариях.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: zelk12/MT2-Gen4-IMU-gemma-2-9B
  - model: zelk12/MT2-Gen4-MAGBMM-gemma-2-9B
merge_method: slerp
base_model: zelk12/MT2-Gen4-IMU-gemma-2-9B
dtype: bfloat16
parameters:
  t: 0.25

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.31.86
IFEval (0-Shot)78.96
BBH (3-Shot)43.78
MATH Lvl 5 (4-Shot)8.31
GPQA (0-shot)12.75
MuSR (0-shot)10.47
MMLU-PRO (5-shot)36.90

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
499a532

0 моделей