/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,7 млрд
Размер весов
7,6 ГБ
Лицензия
MIT
Архитектура
phi3 · dense
Базовая модель
Phi-3-mini-128k-instruct
Опубликована
21 июн 2024

phi-3-mini-128k-instruct-simpo-lr-5e-07-gamma-1.5

Генерация текстаТекст → текст4 профессии

Дообученная методом SimPO модель Phi-3 Mini Instruct для генерации текста и диалоговых ответов.

17скачиваний за 30 дней0лайковвеса обновлены25 июн 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

Модель Ejafa/phi-3-mini-128k-instruct-simpo-lr-5e-07-gamma-1.5 — дообученная для диалогов версия Microsoft Phi-3 Mini Instruct, созданная Ejafa Bassam и Yaroslav Ponomarenko в рамках проекта Reinforcement Learning - 24 Пекинского университета. Обучение методом SimPO проводилось на наборе princeton-nlp/llama3-ultrafeedback. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Phi-3 и распространяется в формате safetensors.

Модель предназначена для генерации текста в диалогах и ответов на запросы. В README приведены результаты оценки, включая точность предпочтений 0,625 и разницу наград 0,4097. Метаданные указывают контекст 4096 токенов; базовая модель в названии рассчитана на 128k, но для этого чекпойнта указан меньший нативный контекст.

Лицензия — MIT. README не описывает отдельные сценарии применения и ограничения; характеристики базовой модели включают диалог, генерацию текста, программирование и рассуждения, однако эти возможности не подтверждены отдельно для данного дообучения.

Сценарии применения

  • диалоговые ответы на запросы
  • генерация текста по инструкции
  • сравнение предпочтительных и отклонённых ответов при оценке модели

Ограничения

Для модели указан нативный контекст 4096 токенов. README не приводит подробных ограничений и сценариев применения, а результаты оценки ограничены указанными метриками на eval-наборе.

Для каких профессий подходит4

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

Description

This model was trained as part of the Reinforcement Learning - 24 project at Peking University, focusing on [simpo].

Authors

  • Ejafa Bassam
  • Yaroslav Ponomarenko

phi-3-mini-128k-instruct-simpo-lr-5e-07-gamma-1.5

This model is a fine-tuned version of microsoft/Phi-3-mini-128k-instruct on the princeton-nlp/llama3-ultrafeedback dataset. It achieves the following results on the evaluation set:

  • Loss: 1.6226
  • Rewards/chosen: -2.2430
  • Rewards/rejected: -2.6527
  • Rewards/accuracies: 0.625
  • Rewards/margins: 0.4097
  • Logps/rejected: -1.0611
  • Logps/chosen: -0.8972
  • Logits/rejected: 2.0148
  • Logits/chosen: 2.0096

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 2
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossRewards/chosenRewards/rejectedRewards/accuraciesRewards/marginsLogps/rejectedLogps/chosenLogits/rejectedLogits/chosen
1.64170.85494001.6236-2.2390-2.64570.62100.4067-1.0583-0.89562.01902.0146

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.1+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
d582bc6

0 моделей