модель для создания текстовых эмбеддингов на базе Mistral
schedule 2 мин чтенияобновлено
Модель предназначена для преобразования текста в векторные представления (эмбеддинги) с использованием возможностей больших языковых моделей. Она основана на архитектуре Mistral-7B-v0.1, содержит 32 слоя и размерность эмбеддингов 4096, что позволяет эффективно сопоставлять смыслы запросов и документов. Модель обучена с использованием текстовых инструкций (task descriptions), что помогает точнее настраивать поиск под конкретные сценарии. Разработка пригодится разработчикам и исследователям, занимающимся поиском по кодовой базе, семантическим поиском и ранжированием документов на английском языке.
Ключевые особенности
Инструкции для запросов: требует добавления однопредложного описания задачи к запросу для максимальной точности.
Длина контекста: поддерживает последовательности длиной до 4096 токенов.
Интеграция: полная поддержка через популярные библиотеки Sentence Transformers и Hugging Face Transformers.
Что можно сделать
Семантический поиск: настроить точный поиск релевантных документов или статей по текстовым запросам пользователей.
Ранжирование пассажей: применять модель в задачах поиска информации и сопоставления текстов (например, на датасете MS-MARCO).
Кастомизация задач: использовать текстовые префиксы (например, для суммаризации или веб-поиска) для адаптации модели под разные бизнес-сценарии.
Пример
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("intfloat/e5-mistral-7b-instruct")
model.max_seq_length = 4096
queries = ["how much protein should a female eat"]
documents = ["As a general guideline, the CDC's average requirement..."]
query_embeddings = model.encode(queries, prompt_name="web_search_query")
document_embeddings = model.encode(documents)
scores = (query_embeddings @ document_embeddings.T) * 100
print(scores.tolist())
ПодробнееБазовая модель: Mistral-7B-v0.1 Ограничения: Не рекомендуется использовать для последовательностей длиннее 4096 токенов; мультиязычные возможности ограничены, основная рекомендация — английский язык. Особенности обучения: Добавление инструкций к запросам обязательно, иначе наблюдается деградация производительности.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# finvector/mistral_qlora_finmodern_tri_merged — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve finvector/mistral_qlora_finmodern_tri_merged --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии