/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
32,3 млрд
Размер весов
65,1 ГБ
Архитектура
llama · dense
Опубликована
28 окт 2023

JudgeLM-33B-v1.0

Генерация текстаТекст → текст3 профессии

Дообученная на Vicuna модель для оценки качества ответов больших языковых моделей и чат-ботов.

397скачиваний за 30 дней28лайковвеса обновлены28 окт 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

JudgeLM-33B-v1.0 — авторегрессионная языковая модель на архитектуре Transformer семейства Llama, разработанная HUST и BAAI. Модель дообучена на Vicuna с использованием набора JudgeLM-100K и предназначена для оценки ответов больших языковых моделей и чат-ботов.

Модель содержит 32,3 млрд параметров, работает с текстом и имеет контекстное окно 2048 токенов. Её основная роль — выносить суждения о качестве ответов; в карточке описана оценка на JudgeLM val set с суждениями GPT-4 в качестве учителя. Указанный язык — английский.

Модель рассчитана на исследователей и энтузиастов в области NLP, машинного обучения и ИИ. Лицензия разрешает только некоммерческое использование; оценочные суждения следует рассматривать в контексте заявленного исследовательского назначения.

Сценарии применения

  • оценка качества ответов языковых моделей
  • сравнение ответов чат-ботов
  • автоматическое судейство в бенчмарках LLM
  • исследование методов оценки генеративных моделей

Ограничения

Контекстное окно ограничено 2048 токенами. Лицензия некоммерческая; модель предназначена прежде всего для исследовательского применения.

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

JudgeLM Model Card

Model Details

JudgeLM is a judge model trained by fine-tuning Vicuna on JudgeLM-100K dataset.

  • Developed by: HUST, BAAI
  • Model type: An auto-regressive language model based on the transformer architecture.
  • License: Non-commercial license
  • Finetuned from model: Vicuna.

Model Sources

Uses

The primary use of JudgeLM is research on evaluating the performance of large language models and chatbots. The primary intended users of the model are researchers and hobbyists in natural language processing, machine learning, and artificial intelligence.

How to Get Started with the Model

Training Details

JudgeLM v1.0 is fine-tuned from Vicuna-v1.3 with supervised instruction fine-tuning. The training data is around 200K judge samples from JudgeLM-100K dataset. See more details in the "Fine-tuning Settings" section in the appendix of this paper.

Evaluation

JudgeLM is evaluated on JudgeLM val set, with judgements produced by GPT-4 teacher. See more details in this paper and try it with code.

Additional Information

Citation Information

@article{zhu2023judgelm,  
	title={JudgeLM: Fine-tuned Large Language Models are Scalable Judges},  
	author={Lianghui Zhu and Xinggang Wang and Xinlong Wang},  
	year={2023},  
	eprint={2310.17631},  
	archivePrefix={arXiv},  
	primaryClass={cs.CL}  
}

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
b76b171

0 моделей