/ Модель

Характеристики

Контекст
32 769 токенов
Параметры
10,6 млрд
Размер весов
21,5 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
3 дек 2023

Starling-LM-11B-alpha

Генерация текстаТекст → текст9 профессий

Диалоговая модель семейства Mistral на 10,6 млрд параметров для генерации текста и ответов на английском языке.

82скачиваний за 30 дней15лайковвеса обновлены4 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

Starling-LM-11B-alpha — языковая модель семейства Mistral, разработанная Banghua Zhu, Evan Frick, Tianhao Wu, Hanlin Zhu и Jiantao Jiao. В карточке описана версия Starling-LM-alpha, дообученная с помощью RLHF/RLAIF на основе OpenChat 3.5; метаданные этого репозитория указывают архитектуру MistralForCausalLM и 10,6 млрд параметров.

Модель предназначена для диалогов и генерации текста. В обучении использованы датасет предпочтений Nectar, reward model Starling-RM и метод оптимизации политики APA. Карточка приводит результаты бенчмарков MT-Bench, AlpacaEval и MMLU, но эти оценки не гарантируют качество в конкретных задачах. Модель поддерживает английский язык и контекст до 32 769 токенов; для диалога следует применять шаблон OpenChat 3.5. Иногда ответы могут быть чрезмерно подробными.

Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка README называется Starling-LM-7B-alpha и описывает 7B-вариант, тогда как идентификатор и метаданные относятся к 11B-модели; поэтому сведения о дообучении и инструкциях из README следует считать относящимися к семейству, а не подтверждёнными специфически для 11B-чекпойнта.

Сценарии применения

  • ведение диалогов на английском языке
  • подготовка ответов на вопросы
  • создание черновиков и продолжение текста
  • сравнение вариантов ответов в диалоговых сценариях

Ограничения

README описывает вариант 7B, тогда как метаданные относятся к 11B, поэтому конкретные детали обучения и рекомендации по шаблону могут не полностью соответствовать этому чекпойнту. В редких случаях ответы бывают чрезмерно подробными; лицензия CC BY-NC 4.0 не допускает коммерческого использования.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Starling-LM-7B-alpha

  • Developed by: Banghua Zhu * , Evan Frick * , Tianhao Wu * , Hanlin Zhu and Jiantao Jiao.
  • Model type: Language Model finetuned with RLHF / RLAIF
  • License: Non commercial license
  • Finetuned from model: Openchat 3.5 (based on Mistral-7B-v0.1)

We introduce Starling-7B, an open large language model (LLM) trained by Reinforcement Learning from AI Feedback (RLAIF). The model harnesses the power of our new GPT-4 labeled ranking dataset, berkeley-nest/Nectar, and our new reward training and policy tuning pipeline. Starling-7B-alpha scores 8.09 in MT Bench with GPT-4 as a judge, outperforming every model to date on MT-Bench except for OpenAI's GPT-4 and GPT-4 Turbo. We release the ranking dataset Nectar, the reward model Starling-RM-7B-alpha and the language model Starling-LM-7B-alpha on HuggingFace, and an online demo in LMSYS Chatbot Arena. Stay tuned for our forthcoming code and paper, which will provide more details on the whole process.

Starling-LM-7B-alpha is a language model trained from Openchat 3.5 with reward model berkeley-nest/Starling-RM-7B-alpha and policy optimization method advantage-induced policy alignment (APA). The evaluation results are listed below.

ModelTuning MethodMT BenchAlpacaEvalMMLU
GPT-4-Turbo?9.3297.70
GPT-4SFT + PPO8.9995.2886.4
Starling-7BC-RLFT + APA8.0991.9963.9
Claude-2?8.0691.3678.5
GPT-3.5-Turbo?7.9489.3770
Claude-1?7.988.3977
Tulu-2-dpo-70bSFT + DPO7.8995.1
Openchat-3.5C-RLFT7.8188.5164.3
Zephyr-7B-betaSFT + DPO7.3490.6061.4
Llama-2-70b-chat-hfSFT + PPO6.8692.6663
Neural-chat-7b-v3-1SFT + DPO6.8484.5362.4
Tulu-2-dpo-7bSFT + DPO6.2985.1

For more detailed discussions, please check out our blog post, and stay tuned for our upcoming code and paper!

Uses

Important: Please use the exact chat template provided below for the model. Otherwise there will be a degrade in the performance. The model output can be verbose in rare cases. Please consider setting temperature = 0 to make this happen less.

Our model follows the exact chat template and usage as Openchat 3.5. Please refer to their model card for more details. In addition, our model is hosted on LMSYS Chatbot Arena for free test.

The conversation template is the same as Openchat 3.5:

import transformers
tokenizer = transformers.AutoTokenizer.from_pretrained("openchat/openchat_3.5")

# Single-turn
tokens = tokenizer("GPT4 Correct User: Hello<|end_of_turn|>GPT4 Correct Assistant:").input_ids
assert tokens == [1, 420, 6316, 28781, 3198, 3123, 1247, 28747, 22557, 32000, 420, 6316, 28781, 3198, 3123, 21631, 28747]

# Multi-turn
tokens = tokenizer("GPT4 Correct User: Hello<|end_of_turn|>GPT4 Correct Assistant: Hi<|end_of_turn|>GPT4 Correct User: How are you today?<|end_of_turn|>GPT4 Correct Assistant:").input_ids
assert tokens == [1, 420, 6316, 28781, 3198, 3123, 1247, 28747, 22557, 32000, 420, 6316, 28781, 3198, 3123, 21631, 28747, 15359, 32000, 420, 6316, 28781, 3198, 3123, 1247, 28747, 1602, 460, 368, 3154, 28804, 32000, 420, 6316, 28781, 3198, 3123, 21631, 28747]

# Coding Mode
tokens = tokenizer("Code User: Implement quicksort using C++<|end_of_turn|>Code Assistant:").input_ids
assert tokens == [1, 7596, 1247, 28747, 26256, 2936, 7653, 1413, 334, 1680, 32000, 7596, 21631, 28747]

Code Examples

import transformers

tokenizer = transformers.AutoTokenizer.from_pretrained("berkeley-nest/Starling-LM-7B-alpha")
model = transformers.AutoModelForCausalLM.from_pretrained("berkeley-nest/Starling-LM-7B-alpha")

def generate_response(prompt):
    input_ids = tokenizer(prompt, return_tensors="pt").input_ids
    outputs = model.generate(
        input_ids,
        max_length=256,
        pad_token_id=tokenizer.pad_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )
    response_ids = outputs[0]
    response_text = tokenizer.decode(response_ids, skip_special_tokens=True)
    return response_text

# Single-turn conversation
prompt = "Hello, how are you?"
single_turn_prompt = f"GPT4 Correct User: {prompt}<|end_of_turn|>GPT4 Correct Assistant:"
response_text = generate_response(single_turn_prompt)
print("Response:", response_text)

## Multi-turn conversation
prompt = "Hello"
follow_up_question =  "How are you today?"
response = ""
multi_turn_prompt = f"GPT4 Correct User: {prompt}<|end_of_turn|>GPT4 Correct Assistant: {response}<|end_of_turn|>GPT4 Correct User: {follow_up_question}<|end_of_turn|>GPT4 Correct Assistant:"
response_text = generate_response(multi_turn_prompt)
print("Multi-turn conversation response:", response_text)

### Coding conversation
prompt = "Implement quicksort using C++"
coding_prompt = f"Code User: {prompt}<|end_of_turn|>Code Assistant:"
response = generate_response(coding_prompt)
print("Coding conversation response:", response)

License

The dataset, model and online demo is a research preview intended for non-commercial use only, subject to the data distillation License of LLaMA, Terms of Use of the data generated by OpenAI, and Privacy Practices of ShareGPT. Please contact us if you find any potential violation.

Acknowledgment

We would like to thank Wei-Lin Chiang from Berkeley for detailed feedback of the blog and the projects. We would like to thank the LMSYS Organization for their support of lmsys-chat-1M dataset, evaluation and online demo. We would like to thank the open source community for their efforts in providing the datasets and base models we used to develope the project, including but not limited to Anthropic, Llama, Mistral, Hugging Face H4, LMSYS, OpenChat, OpenBMB, Flan and ShareGPT.

Citation

@misc{starling2023,
    title = {Starling-7B: Improving LLM Helpfulness & Harmlessness with RLAIF},
    url = {},
    author = {Zhu, Banghua and Frick, Evan and Wu, Tianhao and Zhu, Hanlin and Jiao, Jiantao},
    month = {November},
    year = {2023}
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.59.92
AI2 Reasoning Challenge (25-Shot)61.26
HellaSwag (10-Shot)81.99
MMLU (5-Shot)61.50
TruthfulQA (0-shot)41.53
Winogrande (5-shot)78.06
GSM8k (5-shot)35.18

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
5e26607

0 моделей