/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,5 млрд
Размер весов
5,6 ГБ
Лицензия
Apache 2.0
Архитектура
phi · dense
Базовая модель
phi-2
Опубликована
31 мар 2024

orpo-lora-phi2

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель на базе Phi-2 для генерации текста и диалоговых ответов, дообученная методом ORPO на UltraFeedback.

25скачиваний за 30 дней0лайковвеса обновлены31 мар 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

Amu/orpo-lora-phi2 — дообученная модель генерации текста на базе Microsoft Phi-2. Разработчик сообщает, что модель обучена с помощью библиотеки TRL на датасете UltraFeedback и создана как тест метода ORPO — оптимизации предпочтений без референсной модели.

Модель предназначена для генерации продолжений текста и диалоговых ответов на английском языке. Она содержит 3,5 млрд параметров, использует плотную архитектуру PhiForCausalLM и принимает контекст длиной до 2048 токенов. Доступна в формате Safetensors; лицензия — Apache-2.0.

Карточка описывает экспериментальную проверку метода обучения, поэтому качество и пригодность для конкретных задач могут быть ограничены. Подробные результаты оценки и дополнительные сценарии применения не приведены.

Сценарии применения

  • генерация продолжений текста на английском языке
  • ответы на сообщения в диалоге на английском языке
  • экспериментальная проверка метода ORPO для дообучения языковых моделей

Ограничения

Модель представлена как тест метода ORPO; в карточке нет результатов оценки качества или сравнений. Контекст ограничен 2048 токенами.

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

outputs

This model is a fine-tuned version of microsoft/phi-2 using trl on ultrafeedback dataset.

What's new

A test for ORPO: Monolithic Preference Optimization without Reference Model method using trl library.

How to reproduce

accelerate launch --config_file=/path/to/trl/examples/accelerate_configs/deepspeed_zero2.yaml \
    --num_processes 8 \
    /path/to/trl/scripts/orpo.py \
    --model_name_or_path="microsoft/phi-2" \
    --per_device_train_batch_size 1 \
    --max_steps 8000 \
    --learning_rate 8e-5 \
    --gradient_accumulation_steps 1 \
    --logging_steps 20 \
    --eval_steps 2000 \
    --output_dir="orpo-lora-phi2" \
    --optim rmsprop \
    --warmup_steps 150 \
    --bf16 \
    --logging_first_step \
    --no_remove_unused_columns \
    --use_peft \
    --lora_r=16 \
    --lora_alpha=16 \
    --dataset HuggingFaceH4/ultrafeedback_binarized

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
PhiForCausalLM
Ревизия весов
646be9d

0 моделей