/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
opt · dense
Опубликована
15 апр 2023

chat-opt-1.3b-rlhf-actor-deepspeed

Генерация текстаТекст → текст3 профессии

Англоязычная модель OPT на 1,3 млрд параметров, дообученная с помощью RLHF для генерации диалоговых ответов и текста по инструкциям.

46скачиваний за 30 дней5лайковвеса обновлены25 апр 2023

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

AdamG012/chat-opt-1.3b-rlhf-actor-deepspeed — языковая модель семейства OPT, подготовленная автором карточки как актор на финальном этапе дообучения с подкреплением на основе отзывов людей (RLHF). Модель основана на facebook/opt-1.3b; в README указано 1,3 млрд параметров, а метаданные каталога указывают 1,7 млрд. Архитектура — плотная авторегрессионная OPTForCausalLM, формат весов — PyTorch, контекст — 2048 токенов.

Модель предназначена для генерации текста в диалогах и ответов на инструкции. В обучении использовались этапы SFT и reward model, а затем RLHF; README связывает работу с DeepSpeed-Chat и наборами сравнений ответов. Основной язык в карточке — английский. Модель распространяется по лицензии Apache-2.0.

Карточка описывает исследовательский процесс обучения, но не приводит количественных оценок качества или подробных инструкций по использованию готового чекпойнта. Перед применением стоит оценить качество ответов и их соответствие требованиям конкретного сценария.

Сценарии применения

  • генерация ответов в англоязычном чат-боте
  • ответы на пользовательские инструкции на английском языке
  • создание диалоговых прототипов на базе OPT
  • эксперименты с обучением языковых моделей методом RLHF

Ограничения

Контекст ограничен 2048 токенами; карточка не приводит количественных оценок качества или подробных инструкций по использованию готового чекпойнта.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ChatGPT OPT 1.3B DeepSpeed Reinforcement Learning from Human Feedback Actor Model

chat-opt-1.3b-rlhf-actor-deepspeed

This model consists of the final step of a modified pipeline the to the traditional training process of Chat-GPT models, which is comprised of a three-step procedure of supervised fine tuning, reward model and reinforcement learning from human feedback models; actor, actor EMA and critic models.

This project's main goal was to make proper use of existing frameworks that revolve around the minimisation of training costs and thus the eventual improvements towards both the feasibility and usability of ChatGPT-like models. The framework selected here is DeepSpeed which has been instrumental in the development of this model and through this framework it was possible to train the ChatGPT-like model on much larger data-sets with a reasonable number of GPUs and consequently achieve significantly better performance.

This model follows the blog of ChatGPT and the paper of InstructGPT and especially the Microsoft DeepSpeed Chat Blog.

Our Training Methodology and Speedup Recipes

The training process simply involves a single python run of DeepSpeed-Chat which initiates the whole 3-step pipeline, saving all models in the process:

python train.py --actor-model facebook/opt-1.3b --reward-model facebook/opt-350m --deployment-type single_node

This pipeline can be broken up into three key steps:

  1. Supervised fine-tuning (SFT): See here.

  2. Reward Model (RM) fine-tuning: See here.

  3. Reinforcement-learning from Human feedback (RLHF) fine-tuning: At the completion of the prior two steps, the final RLHF fine-tuning can be initiated. This involves the collection of both the fine-tuned model from step 1 and the reward model from step 2 and train them on the data-set with comparisons. This generates both an actor and critic. I also generate an actor model with an exponential moving average (EMA) which is known to improve conversational response quality.

To view the details behind each step head into their respective links and view the model card there.

Reinforcement learning from human feedback

Model Configurations:

ParameterValue
Parameters1.3B
Model typeOPT
FFN Dimensions8192
Hidden Size2048
Max Position Embedding2048
Attention Heads16
Hidden layers24

Training Configurations:

ParameterValue
Train Batch size32
Train micro batch size4
ZeRO stage2
FP16True
Gradient clipping1.0
Dropout0.1
Attention Dropout0.0
Attention Dropout0.0
Prescale gradientsFalse

Installation

If using through the HuggingFace transformers library:

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("AdamG012/chat-opt-1.3b-rlhf-actor-deepspeed")

model = AutoModelForCausalLM.from_pretrained("AdamG012/chat-opt-1.3b-rlhf-actor-deepspeed")

If you would like to clone from source:

# Make sure you have git-lfs installed (https://git-lfs.github.com)
git lfs install
git clone https://huggingface.co/AdamG012/chat-opt-1.3b-rlhf-actor-deepspeed

# if you want to clone without large files – just their pointers
# prepend your git clone with the following env var:
GIT_LFS_SKIP_SMUDGE=1

Acknowledgements

We thank the following papers and open-source repositories. We especially thank DeepSpeed for their frameworks as well.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
10f07da

0 моделей