/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
openchat_3.5
Опубликована
28 мая 2024

REBEL-OpenChat-3.5

Генерация текстаТекст → текст10 профессий

Диалоговая модель на базе OpenChat-3.5, дообученная методом REBEL для ответов на вопросы и выполнения текстовых инструкций.

37скачиваний за 30 дней1лайквеса обновлены1 сен 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

REBEL-OpenChat-3.5 — диалоговая языковая модель Cornell-AGI, созданная дообучением OpenChat-3.5 методом REBEL (Reinforcement Learning via Regressing Relative Rewards). При обучении использовались модель вознаграждения Starling-RM-7B-alpha и датасет Nectar; модель предназначена для ответов на вопросы и выполнения текстовых инструкций в формате чата.

Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 8192 токена. В README приведены результаты AlpacaEval 2.0, MT-Bench, MMLU и GSM8K, но они сами по себе не гарантируют качество в конкретном сценарии. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы в чате на английском языке
  • выполнение текстовых инструкций
  • диалоговый помощник общего назначения
  • решение текстовых задач на рассуждение и знания

Ограничения

Заявленная поддержка языков ограничена английским; показатели из бенчмарков не гарантируют качество для конкретных задач.

Для каких профессий подходит10

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

This is a model released for our paper: REBEL: Reinforcement Learning via Regressing Relative Rewards.

REBEL-OpenChat-3.5

This model is developed with REBEL based on OpenChat-3.5 with Starling-RM-7B-alpha as the reward model and Nectar dataset. The training code is available at https://github.com/ZhaolinGao/REBEL. We collect online generations during each iteration with a batch size of 32.

Links to Other Model

REBEL-Llama-3

REBEL-Llama-3-epoch_2

REBEL-Llama-3-Armo-iter_1

REBEL-Llama-3-Armo-iter_2

REBEL-Llama-3-Armo-iter_3

Evaluations

ModelAlpacaEval 2.0LC Win RateAlpacaEval 2.0Win RateMT-BenchAverageMMLU(5-shot)GSM8K(5-shot)
REBEL-OpenChat-3.517.312.88.0663.768.8
REBEL-Llama-330.132.68.1665.875.6
REBEL-Llama-3-epoch_231.334.27.8365.475.4
REBEL-Llama-3-Armo-iter_148.341.88.1366.375.8
REBEL-Llama-3-Armo-iter_250.048.58.0765.975.4
REBEL-Llama-3-Armo-iter_349.748.18.0166.075.7

Citation

Please cite our paper if you use this model in your own work:

@misc{gao2024rebel,
      title={REBEL: Reinforcement Learning via Regressing Relative Rewards}, 
      author={Zhaolin Gao and Jonathan D. Chang and Wenhao Zhan and Owen Oertell and Gokul Swamy and Kianté Brantley and Thorsten Joachims and J. Andrew Bagnell and Jason D. Lee and Wen Sun},
      year={2024},
      eprint={2404.16767},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
2bfcbb6

0 моделей