Эта модель точно настроена с помощью sft (LoRA) для обратного проектирования исходного запроса данного вывода/ответа LLM. Вариант использования: создание синтетических наборов данных инструкций для разработки чат-ботов и тонкой настройки для конкретной предметной области (например, «Суммирование» и «Ролевая игра»). Это полезно для маркировки немаркированных наборов данных. — базовая модель: mistralai/Mistral-7B-v0.1 (=checkpoint-v1) — базовая модель: mistralai/Mistral-7B-v0.2 (>=checkpoint-v2) Для удобства экспорт последней модели представлен в /latestmodelexport, а также квантованные версии gguf в /latestggmlmodels «[INST]n### Система:n{system}n### Инструкция:n{instruction}n[/INST]n» «n### Система:nВы создаете инструкции для генерации заданных выходных данных посредством обратного проектирования.n### Инструкция:nРасшифровываете шаги, использованные для получения заданных выходных данных, и формулируете уточненный набор инструкций (Система и инструкция).n### ВЫХОД:n {выходные данные}» Было использовано около 21 тыс. элементов из следующих наборов данных. (в основном были удалены задачи, связанные с кодированием) — v1 и v2:verse-instructv1.json — v3:verse-instructv2.json Набор данных обратной инструкции был скомпилирован с записями из следующих наборов данных: — alpacagpt4data — roleplay-instruct-v2.1 — Wizardlmorca…
Модальности:
Генерация текста
Области применения:
Диалог / чат Следование инструкциям
Задача: Генерация текста
Автор: Philipp-Sc
Теги: gguf, en, endpoints_compatible, conversational
Лайков: 6 | Загрузок: 131
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
