Benchmarkengineering F2 7B Slerp

🚀 BenchmarkEngineering-F2-7B-slerp

本模型合并旨在通过整合 Westlake-7B-v2 模型，进一步改进原始的 BenchmarkEngineering 模型。它提升了 Winogrande 测试的得分，但在其他基准测试中有所牺牲。

BenchmarkEngineering-F2-7B-slerp 是使用 LazyMergekit 对以下模型进行合并得到的：

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

🚀 快速开始

本部分将为你介绍 BenchmarkEngineering-F2-7B-slerp 模型的基本信息和使用方法。

✨ 主要特性

• 整合 Westlake-7B-v2 模型，对原始的 BenchmarkEngineering 模型进行改进。
• 在 Winogrande 测试中提升了得分，但在其他基准测试中表现有所不同。

📚 详细文档

Open LLM Leaderboard 评估结果

详细结果可查看 此处

🧩 配置

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

💻 使用示例

基础用法

!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"])

📄 许可证

本项目采用 CC BY-NC 4.0 许可证。