Marcoro14 7B Slerp

🚀 Marcoro14-7B-slerp

Marcoro14-7B-slerp 是一个通过模型合并技术得到的大语言模型。它结合了多个优质模型的优势，在文本生成任务中表现出色，能为自然语言处理相关的应用提供强大的支持。

🚀 快速开始

安装依赖

!pip install -qU transformers accelerate

代码示例

from transformers import AutoTokenizer
import transformers
import torch

model = "mlabonne/Marcoro14-7B-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"])

输出示例

A large language model is a type of artificial intelligence (AI) system that has been trained on vast amounts of text data. It's designed to understand and generate human-like language, making predictions on what words or phrases might come next in a sentence or document. These models use complex algorithms and neural network architectures to learn from the data and improve their performance over time. Some well-known large language models include GPT-3 from OpenAI and BERT from Google.

✨ 主要特性

• 模型合并：该模型是通过 mergekit 合并以下两个模型得到的：

  • AIDC-ai-business/Marcoroni-7B-v3
  • EmbeddedLLM/Mistral-7B-Merge-14-v0.1

• 性能优异：在 Open LLM Leaderboard 上，Marcoro14-7B-slerp 是表现最佳的 7B 大语言模型（排名仅次于 9B 模型）。

🏆 评估

Open LLM Leaderboard 排名

Marcoro14-7B-slerp 在 Open LLM Leaderboard 上的表现如下：

Nous 基准测试结果

使用 Nous 的基准测试套件对其进行评估，得到以下结果：

AGIEval 测试结果

平均得分：44.66%

GPT4ALL 测试结果

平均得分：76.24%

TruthfulQA 测试结果

平均得分：64.15%

Bigbench 测试结果

平均得分：45.64%

总体平均得分：57.67%

Open LLM Leaderboard 详细评估结果

详细结果可查看 这里。

🧩 配置

slices:
  - sources:
      - model: AIDC-ai-business/Marcoroni-7B-v3
        layer_range: [0, 32]
      - model: EmbeddedLLM/Mistral-7B-Merge-14-v0.1
        layer_range: [0, 32]
merge_method: slerp
base_model: AIDC-ai-business/Marcoroni-7B-v3
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

📄 许可证

本模型采用 CC BY-NC 4.0 许可证。