/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,2 млрд
Размер весов
7,2 ГБ
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
llama-3.2-3b-sft
Опубликована
5 янв 2025

Llama-3.2-3B-DPO

Генерация текстаТекст → текст6 профессий

Диалоговая модель Llama 3.2 с 3,2 млрд параметров, оптимизированная методом DPO для генерации ответов на текстовые запросы.

28скачиваний за 30 дней2лайкавеса обновлены5 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AIR-hl/Llama-3.2-3B-DPO — диалоговая языковая модель на архитектуре Llama, разработанная AIR-hl и дообученная методом Direct Preference Optimization (DPO) на базе tanliboy/llama-3.2-3b-sft. Обучение проводилось с использованием TRL на наборе предпочтений HuggingFaceH4/ultrafeedback_binarized.

Модель предназначена для генерации текста в формате диалога и ответов на запросы пользователя. Она содержит 3,2 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Доступны веса в формате safetensors.

Карточка приводит метрики обучения: loss снизился с 0,6924 до 0,5792, accuracy составила 0,7188, reward margin — 0,5234. Эти значения относятся к обучению и сами по себе не гарантируют качество на реальных запросах. Модель распространяется по лицензии llama3.2; перед использованием следует учитывать её условия.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание черновиков и продолжение текста
  • ответы на общие вопросы
  • интеграция текстового чат-бота в приложение

Ограничения

Приведённые метрики относятся к обучению и не характеризуют качество на независимых тестах. Условия лицензии llama3.2 могут ограничивать способы использования и распространения.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.2-3B-DPO

Model Details

Training Details

devices: 4 * NPU 910B-64GB
precision: bf16 mixed-precision
global_batch_size: 128

Training Hyperparameters

attn_implementation: None
beta: 0.01
bf16: True
learning_rate: 8e-7
lr_scheduler_type: cosine
per_device_train_batch_size: 8
gradient_accumulation_steps: 4
torch_dtype: bfloat16
num_train_epochs: 1
max_prompt_length: 512
max_length: 1024
warmup_ratio: 0.05

Results

init_train_loss: 0.6924
final_train_loss: 0.5792
accuracy: 0.7188
reward_margin: 0.5234

Training script

import torch
from datasets import load_dataset
from transformers import AutoModelForCausalLM, AutoTokenizer
import multiprocessing
from trl import (
    DPOConfig,
    DPOTrainer,
    ModelConfig,
    ScriptArguments,
    TrlParser,
    get_kbit_device_map,
    get_peft_config,
    get_quantization_config,
)
from trl.trainer.utils import SIMPLE_CHAT_TEMPLATE

if __name__ == "__main__":
    parser = TrlParser((ScriptArguments, DPOConfig, ModelConfig))
    script_args, training_args, model_config = parser.parse_args_and_config()

    torch_dtype = (
        model_config.torch_dtype
        if model_config.torch_dtype in ["auto", None]
        else getattr(torch, model_config.torch_dtype)
    )

    quantization_config = get_quantization_config(model_config)

    model_kwargs = dict(
        revision=model_config.model_revision,
        attn_implementation=model_config.attn_implementation,
        torch_dtype=torch_dtype,
        use_cache=False if training_args.gradient_checkpointing else True,
        device_map=get_kbit_device_map() if quantization_config is not None else None,
        quantization_config=quantization_config,
    )

    model = AutoModelForCausalLM.from_pretrained(
        model_config.model_name_or_path, trust_remote_code=model_config.trust_remote_code, **model_kwargs
    )

    peft_config = get_peft_config(model_config)
    if peft_config is None:
        ref_model = AutoModelForCausalLM.from_pretrained(
            model_config.model_name_or_path, trust_remote_code=model_config.trust_remote_code, **model_kwargs
        )
    else:
        ref_model = None

    tokenizer = AutoTokenizer.from_pretrained(
        model_config.model_name_or_path, trust_remote_code=model_config.trust_remote_code
    )
    if tokenizer.pad_token is None:
        tokenizer.pad_token = tokenizer.eos_token
    if tokenizer.chat_template is None:
        tokenizer.chat_template = SIMPLE_CHAT_TEMPLATE
    if script_args.ignore_bias_buffers:
        model._ddp_params_and_buffers_to_ignore = [
            name for name, buffer in model.named_buffers() if buffer.dtype == torch.bool
        ]

    dataset = load_dataset(script_args.dataset_name,
                           split=script_args.dataset_train_split)
    dataset=dataset.select_columns(['chosen', 'prompt', 'rejected'])

    trainer = DPOTrainer(
        model,
        ref_model,
        args=training_args,
        train_dataset=dataset,
        processing_class=tokenizer,
        peft_config=peft_config,
    )

    trainer.train()

    trainer.save_model(training_args.output_dir)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2e57fb9

0 моделей