Benchmarkengineering F2 7B Slerp

🚀 BenchmarkEngineering-F2-7B-slerp

このモデルは、元のBenchmarkEngineeringをさらに改善するために、Westlake-7B-v2モデルを統合しています。Winograndeのスコアは向上しますが、他のベンチマークのスコアは低下するトレードオフがあります。

BenchmarkEngineering-F2-7B-slerpは、LazyMergekitを使用して以下のモデルをマージしたものです。

• weezywitasneezy/BenchmarkEngineering-7B-slerp
• senseable/WestLake-7B-v2

🚀 クイックスタート

このモデルは、特定のベンチマークでの性能向上を目指して作成されたマージモデルです。以下に、使用方法や評価結果などの詳細を紹介します。

✨ 主な機能

• 元のBenchmarkEngineeringモデルにWestlake-7B-v2モデルを統合することで、特定のベンチマークでの性能向上を試みています。
• Winograndeのスコアを向上させることができますが、他のベンチマークのスコアにはトレードオフがあります。

📚 ドキュメント

Open LLM Leaderboard評価結果

詳細な結果はこちらで確認できます。

🧩 設定

slices:
  - sources:
      - model: weezywitasneezy/BenchmarkEngineering-7B-slerp
        layer_range: [0, 32]
      - model: senseable/WestLake-7B-v2
        layer_range: [0, 32]
merge_method: slerp
base_model: weezywitasneezy/BenchmarkEngineering-7B-slerp
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5
dtype: bfloat16

💻 使用例

基本的な使用法

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "weezywitasneezy/BenchmarkEngineering-F2-7B-slerp"
messages = [{"role": "user", "content": "What is a large language model?"}]

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"])

📄 ライセンス

このモデルはCC BY-NC 4.0ライセンスの下で提供されています。