/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B
Библиотека
transformers
Опубликована
18 ноя 2024

Orpo-Llama-3.2-1B-40k

Генерация текстаТекст → текст4 профессии

Дообученная методом ORPO версия Llama 3.2 1B для генерации текста и диалоговых ответов.

39скачиваний за 30 дней0лайковвеса обновлены1 дек 2024

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

AdamLucek/Orpo-Llama-3.2-1B-40k — языковая модель, разработанная Adam Lucek на основе Meta Llama 3.2 1B и дообученная методом ORPO на одном проходе по набору mlabonne/orpo-dpo-mix-40k. Модель с плотной архитектурой LlamaForCausalLM содержит около 1,2 млрд параметров; репозиторий хранит веса в формате safetensors. Метаданные указывают контекст длиной до 131072 токенов и возможность диалогового использования.

Модель предназначена для генерации текста и диалоговых ответов. В README приведены результаты сравнительной оценки на AGIEval, GPT4ALL и TruthfulQA, однако они не гарантируют качество на других задачах и данных. Модель унаследовала многоязычную основу Llama 3.2 1B; конкретный набор поддерживаемых языков для этой версии отдельно не описан. Лицензия репозитория — MIT.

Сценарии применения

  • генерация ответов в диалоговом ассистенте
  • создание и продолжение текстов
  • ответы на общие вопросы
  • экспериментальная оценка языковой модели на бенчмарках

Ограничения

Модель содержит около 1,2 млрд параметров, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями. Опубликованные оценки относятся к отдельным бенчмаркам и не подтверждают качество во всех сценариях.

Для каких профессий подходит4

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

Orpo-Llama-3.2-1B-40k

AdamLucek/Orpo-Llama-3.2-1B-40k is an ORPO fine tuned version of meta-llama/Llama-3.2-1B on 1 epoch of mlabonne/orpo-dpo-mix-40k.

Trained for 11 hours on an A100 GPU with this training script

For full model details, refer to the base model page meta-llama/Llama-3.2-1B

Evaluations

In comparsion to AdamLucek/Orpo-Llama-3.2-1B-15k using lm-evaluation-harness.

Benchmark15k Accuracy15k Normalized40k Accuracy40k NormalizedNotes
AGIEval22.14%21.01%23.57%23.26%0-Shot Average across multiple reasoning tasks
GPT4ALL51.15%54.38%51.63%55.00%0-Shot Average across all categories
TruthfulQA42.79%N/A42.14%N/AMC2 accuracy
MMLU31.22%N/A31.01%N/A5-Shot Average across all categories
Winogrande61.72%N/A61.12%N/A0-shot evaluation
ARC Challenge32.94%36.01%33.36%37.63%0-shot evaluation
ARC Easy64.52%60.40%65.91%60.90%0-shot evaluation
BoolQ50.24%N/A52.29%N/A0-shot evaluation
PIQA75.46%74.37%75.63%75.19%0-shot evaluation
HellaSwag48.56%64.71%48.46%64.50%0-shot evaluation

Using this Model

from transformers import AutoTokenizer
import transformers
import torch

# Load Model and Pipeline
model = "AdamLucek/Orpo-Llama-3.2-1B-40k"

pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

# Load Tokenizer
tokenizer = AutoTokenizer.from_pretrained(model)

# Generate Message
messages = [{"role": "user", "content": "What is a language model?"}]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipeline(prompt, max_new_tokens=1024, do_sample=True, temperature=0.3, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Training Statistics

OpenLLM Leaderboard Metrics

TasksVersionFiltern-shotMetricValueStderr
leaderboardN/A
- leaderboard_bbhN/A0.3290
- leaderboard_bbh_boolean_expressions1none3acc_norm↑0.6840±0.0295
- leaderboard_bbh_causal_judgement1none3acc_norm↑0.5134±0.0366
- leaderboard_bbh_date_understanding1none3acc_norm↑0.1920±0.0250
- leaderboard_bbh_disambiguation_qa1none3acc_norm↑0.3880±0.0309
- leaderboard_bbh_formal_fallacies1none3acc_norm↑0.4680±0.0316
- leaderboard_bbh_geometric_shapes1none3acc_norm↑0.0000±0
- leaderboard_bbh_hyperbaton1none3acc_norm↑0.4840±0.0317
- leaderboard_bbh_logical_deduction_five_objects1none3acc_norm↑0.2000±0.0253
- leaderboard_bbh_logical_deduction_seven_objects1none3acc_norm↑0.1360±0.0217
- leaderboard_bbh_logical_deduction_three_objects1none3acc_norm↑0.3440±0.0301
- leaderboard_bbh_movie_recommendation1none3acc_norm↑0.2280±0.0266
- leaderboard_bbh_navigate1none3acc_norm↑0.4200±0.0313
- leaderboard_bbh_object_counting1none3acc_norm↑0.3880±0.0309
- leaderboard_bbh_penguins_in_a_table1none3acc_norm↑0.1575±0.0303
- leaderboard_bbh_reasoning_about_colored_objects1none3acc_norm↑0.1280±0.0212
- leaderboard_bbh_ruin_names1none3acc_norm↑0.2000±0.0253
- leaderboard_bbh_salient_translation_error_detection1none3acc_norm↑0.2280±0.0266
- leaderboard_bbh_snarks1none3acc_norm↑0.5393±0.0375
- leaderboard_bbh_sports_understanding1none3acc_norm↑0.5240±0.0316
- leaderboard_bbh_temporal_sequences1none3acc_norm↑0.2000±0.0253
- leaderboard_bbh_tracking_shuffled_objects_five_objects1none3acc_norm↑0.1640±0.0235
- leaderboard_bbh_tracking_shuffled_objects_seven_objects1none3acc_norm↑0.1400±0.0220
- leaderboard_bbh_tracking_shuffled_objects_three_objects1none3acc_norm↑0.3520±0.0303
- leaderboard_bbh_web_of_lies1none3acc_norm↑0.4880±0.0317
- leaderboard_gpqaN/A0.2482
- leaderboard_gpqa_diamond1none0acc_norm↑0.2576±0.0312
- leaderboard_gpqa_extended1none0acc_norm↑0.2436±0.0184
- leaderboard_gpqa_main1none0acc_norm↑0.2433±0.0203
- leaderboard_ifeval3none0inst_level_loose_acc↑0.2962±N/A
none0inst_level_strict_acc↑0.2842±N/A
none0prompt_level_loose_acc↑0.1516±0.0154
none0prompt_level_strict_acc↑0.1386±0.0149
- leaderboard_math_hardN/A
- leaderboard_math_algebra_hard2none4exact_match↑0.0000±0
- leaderboard_math_counting_and_prob_hard2none4exact_match↑0.0000±0
- leaderboard_math_geometry_hard2none4exact_match↑0.0000±0
- leaderboard_math_intermediate_algebra_hard2none4exact_match↑0.0000±0
- leaderboard_math_num_theory_hard2none4exact_match↑0.0000±0
- leaderboard_math_prealgebra_hard2none4exact_match↑0.0000±0
- leaderboard_math_precalculus_hard2none4exact_match↑0.0000±0
- leaderboard_mmlu_pro0.1none5acc↑0.1222±0.0030
- leaderboard_musrN/Aavg acc_norm0.3433
- leaderboard_musr_murder_mysteries1none0acc_norm↑0.5120±0.0317
- leaderboard_musr_object_placements1none0acc_norm↑0.2500±0.0271
- leaderboard_musr_team_allocation1none0acc_norm↑0.2680±0.0281

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
5633370

0 моделей