Это модель после этапа SFT, до применения DPO. Да, вы увидите имена тестов в списке, но здесь используются только разделения поездов, а очистка по косинусному подобию выполняется в конце в качестве проверки работоспособности — ai2arc — набор данных абстракции и рассуждения, полезный для измерения «интеллекта» в определенной степени. — airoboros — Разнообразие категорий синтетических инструкций, генерируемых gpt-4. — приложения — набор данных по кодированию Python с 10 тысячами проблем. — belebele — Многоязычный набор данных о понимании прочитанного. — bluemoon — данные ролевой игры извлекаются из Bluemoon, затем очищаются и форматируются как ShareGPT. — boolq — Корпус вопросов типа «да/нет» (очевидно, на которые ИИ может быть удивительно сложно ответить?) — capybara — Многоходовой набор данных, используемый для создания моделей капибары. — синематика (инструкции и простой текст) — данные в стиле RP, синтезированные из сценариев фильмов, поэтому модель не такая скучная, какой могла бы быть в противном случае. — падение — Больше понимания прочитанного. — emobank — Аннотации эмоций по схеме Валентность-Возбуждение-Доминирование. — Гутенберг (обычный текст) — Книги/обычный текст, опять же, чтобы сделать модель менее скучной, только несколько примеров, поддерживаемых разбивкой по главам -…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: jondurbin
Теги: mixtral, conversational, text-generation-inference, endpoints_compatible
Лайков: 16 | Загрузок: 326
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
