/ Модель

Характеристики

Контекст
1 024 токена
Параметры
126 млн
Лицензия
CC BY-NC 4.0
Архитектура
llama · dense
Базовая модель
llamalogue
Библиотека
transformers
Опубликована
18 июл 2025

communicative-baby-dpo

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная Llama, дообученная методом DPO для генерации диалоговых ответов.

3 227скачиваний за 30 дней0лайковвеса обновлены7 ноя 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

CLAUSE-Bielefeld/communicative-baby-dpo — языковая модель семейства Llama, дообученная из bbunzeck/llamalogue методом DPO с использованием TRL. Она предназначена для генерации ответов в диалоговом формате и может применяться для открытых вопросов и беседы на английском языке. Модель содержит 126,1 млн параметров, использует архитектуру LlamaForCausalLM и формат Safetensors; длина контекста составляет 1024 токена.

Модель обучалась на предпочтениях из набора fpadovani/child-dpo-preferences. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка показывает пример вызова через Transformers text-generation pipeline.

Сценарии применения

  • генерация ответа на открытый вопрос
  • поддержание короткого диалога на английском языке
  • эксперименты с DPO-дообучением небольших языковых моделей

Ограничения

Контекст ограничен 1024 токенами. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

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

Model Card for dpo_synthetic

This model is a fine-tuned version of bbunzeck/llamalogue. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="fpadovani/communicative-baby-dpo", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with DPO, a method introduced in Direct Preference Optimization: Your Language Model is Secretly a Reward Model.

Framework versions

  • TRL: 0.19.1
  • Transformers: 4.53.2
  • Pytorch: 2.7.1
  • Datasets: 4.0.0
  • Tokenizers: 0.21.2

Citations

For further information please consult the accompanying paper. If you make use of this model in your work, please also cite the paper:

@inproceedings{padovani-etal-2025-dialogue,
    title = "Dialogue Is Not Enough to Make a Communicative {B}aby{LM} (But Neither Is Developmentally Inspired Reinforcement Learning)",
    author = "Padovani, Francesca  and Bunzeck, Bastian  and Ali, Manar  and Momen, Omar  and Bisazza, Arianna  and Buschmeier, Hendrik  and Zarrie{\ss}, Sina",
    editor = "Charpentier, Lucas  and Choshen, Leshem  and Cotterell, Ryan  and Gul, Mustafa Omer  and Hu, Michael Y.  and Liu, Jing  and Jumelet, Jaap  and Linzen, Tal  and Mueller, Aaron  and Ross, Candace  and Shah, Raj Sanjay  and Warstadt, Alex  and Wilcox, Ethan Gotlieb  and Williams, Adina",
    booktitle = "Proceedings of the First BabyLM Workshop",
    month = nov,
    year = "2025",
    address = "Suzhou, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.babylm-main.29/",
    pages = "421--435",
}

Cite DPO as:

@inproceedings{rafailov2023direct,
    title        = {{Direct Preference Optimization: Your Language Model is Secretly a Reward Model}},
    author       = {Rafael Rafailov and Archit Sharma and Eric Mitchell and Christopher D. Manning and Stefano Ermon and Chelsea Finn},
    year         = 2023,
    booktitle    = {Advances in Neural Information Processing Systems 36: Annual Conference on Neural Information Processing Systems 2023, NeurIPS 2023, New Orleans, LA, USA, December 10 - 16, 2023},
    url          = {http://papers.nips.cc/paper_files/paper/2023/hash/a85b405ed65c6477a4fe8302b5e06ce7-Abstract-Conference.html},
    editor       = {Alice Oh and Tristan Naumann and Amir Globerson and Kate Saenko and Moritz Hardt and Sergey Levine},
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
efa54d6

0 моделей