/ Модель

Характеристики

Контекст
16 384 токена
Параметры
21,7 млрд
Размер весов
31,9 ГБ
Архитектура
starcoder2 · dense
Базовая модель
starchat2-15b-sft-v0.1
Опубликована
10 мар 2024

starchat2-15b-v0.1

Генерация текстаТекст → текст10 профессий

StarChat2 15B — дообученная разговорная модель StarCoder2 для программирования, диалогов и задач на математику и рассуждения.

163скачиваний за 30 дней112лайковвеса обновлены13 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 оценки4

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • mbpp+

    pass@1 · выше — лучше

    Результат

    64,6 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • mbpp

    pass@1 · выше — лучше

    Результат

    74,9 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • humaneval+

    pass@1 · выше — лучше

    Результат

    71,3 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • humaneval

    pass@1 · выше — лучше

    Результат

    73,8 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

StarChat2 15B — разговорная модель для помощи с программированием, разработанная HuggingFaceH4. Это плотная авторегрессионная модель семейства StarCoder2 с 21,7 млрд параметров и контекстом до 16 384 токенов, дообученная методами SFT и DPO на синтетических наборах данных для диалога, кода, математики и рассуждений. Модель рассчитана прежде всего на английский язык и более 600 языков программирования.

Её можно применять для диалоговых ответов, написания и дополнения кода, а также решения задач на математику и рассуждения. В карточке сообщается о результатах на MT Bench, IFEval и HumanEval; результаты зависят от формата промпта и условий оценки. Модель доступна в формате safetensors и распространяется по лицензии BigCode Open RAIL-M v1.

Модель не прошла выравнивание предпочтений с помощью RLHF и может выдавать проблемный контент. Сгенерированный код может быть ошибочным или уязвимым, а ссылки — вымышленными; ответы и код требуют проверки.

Сценарии применения

  • написание фрагментов кода по запросу
  • автодополнение кода на разных языках программирования
  • ответы на вопросы о программировании в диалоговом формате
  • решение задач на математику и рассуждения
  • следование инструкциям в чате

Ограничения

Модель может выдавать проблемные ответы; сгенерированный код может быть некорректным или содержать уязвимости, а ссылки — вымышленными. Качество и безопасность результатов следует проверять.

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

Model Card for StarChat2 15B

StarChat is a series of language models that are trained to act as helpful coding assistants. StarChat2 is the latest model in the series, and is a fine-tuned version of StarCoder2 that was trained with SFT and DPO on a mix of synthetic datasets.

Model Details

Model Description

  • Model type: A 16B parameter GPT-like model fine-tuned on a mix of publicly available, synthetic datasets.
  • Language(s) (NLP): Primarily English and 600+ programming languages.
  • License: BigCode Open RAIL-M v1
  • Finetuned from model: bigcode/starcoder2-15b

Model Sources

Performance

StarChat2 15B was trained to balance chat and programming capabilities. It achieves strong performance on chat benchmarks like MT Bench and IFEval, as well as the canonical HumanEval benchmark for Python code completion. The scores reported below were obtained using the LightEval evaluation suite (commit 988959cb905df4baa050f82b4d499d46e8b537f2) and each prompt has been formatted with the model's corresponding chat template to simulate real-world usage. This is why some scores may differ from those reported in technical reports or on the Open LLM Leaderboard.

ModelMT BenchIFEvalHumanEval
starchat2-15b-v0.17.6635.1271.34
deepseek-coder-6.7b-instruct4.1714.2380.48
CodeLlama-13b-Instruct-hf6.8043.4450.60

Intended uses & limitations

The model was fine-tuned on a blend of chat, code, math, and reasoning datasets. As a result, the model can be used for chat and you can check out our demo to test its coding capabilities.

Here's how you can run the model using the pipeline() function from 🤗 Transformers:

# pip install 'transformers @ git+https://github.com/huggingface/transformers.git@831bc25d8fdb85768402f772cf65cc3d7872b211'
# pip install accelerate

import torch
from transformers import pipeline

pipe = pipeline(
    "text-generation",
    model="HuggingFaceH4/starchat2-15b-v0.1",
    device_map="auto",
    torch_dtype=torch.bfloat16,
)
messages = [
    {
        "role": "system",
        "content": "You are StarChat2, an expert programming assistant",
    },
    {"role": "user", "content": "Write a simple website in HTML. When a user clicks the button, it shows a random Chuck Norris joke."},
]
outputs = pipe(
    messages,
    max_new_tokens=512,
    do_sample=True,
    temperature=0.7,
    top_k=50,
    top_p=0.95,
    stop_sequence="<|im_end|>",
)
print(outputs[0]["generated_text"][-1]["content"])

Bias, Risks, and Limitations

StarChat2 15B has not been aligned to human preferences with techniques like RLHF or deployed with in-the-loop filtering of responses like ChatGPT, so the model can produce problematic outputs (especially when prompted to do so). Models trained primarily on code data will also have a more skewed demographic bias commensurate with the demographics of the GitHub community, for more on this see the StarCoder2 dataset

Since the base model was pretrained on a large corpus of code, it may produce code snippets that are syntactically valid but semantically incorrect. For example, it may produce code that does not compile or that produces incorrect results.
It may also produce code that is vulnerable to security exploits.
We have observed the model also has a tendency to produce false URLs which should be carefully inspected before clicking.

StarChat2 15B was fine-tuned from the base model StarCoder2, please refer to its model card's Limitations Section for relevant information. In particular, the model was evaluated on some categories of gender biases, propensity for toxicity, and risk of suggesting code completions with known security flaws; these evaluations are reported in its technical report.

Training details

This model is a fine-tuned version of starchat2-15b-sft-v0.1 on the HuggingFaceH4/ultrafeedback_binarized and the HuggingFaceH4/orca_dpo_pairs datasets. Check out the recipe in the Alignment Handbook for more details.

It achieves the following results on the evaluation set:

  • Loss: 0.4347
  • Rewards/chosen: -0.9461
  • Rewards/rejected: -2.7745
  • Rewards/accuracies: 0.7658
  • Rewards/margins: 1.8284
  • Logps/rejected: -322.1934
  • Logps/chosen: -316.1898
  • Logits/rejected: -2.3817
  • Logits/chosen: -2.3005

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: 2

Training results

Training LossEpochStepValidation LossRewards/chosenRewards/rejectedRewards/accuraciesRewards/marginsLogps/rejectedLogps/chosenLogits/rejectedLogits/chosen
0.7170.171000.6006-0.0924-0.28990.63290.1975-272.5022-299.1165-2.5313-2.4191
0.62730.352000.5160-0.3994-0.94610.69300.5467-285.6261-305.2568-2.5281-2.4278
0.55380.523000.4781-0.6589-1.58920.72470.9302-298.4870-310.4470-2.4996-2.4110
0.50560.74000.4594-0.8283-2.13320.74371.3050-309.3687-313.8344-2.4472-2.3644
0.49830.875000.4512-0.7758-2.28060.74681.5049-312.3167-312.7843-2.4223-2.3404
0.46621.046000.4431-0.7839-2.40160.76581.6177-314.7355-312.9465-2.4049-2.3215
0.44111.227000.4415-1.0090-2.75820.76901.7492-321.8679-317.4481-2.3840-2.3016
0.4711.398000.4368-0.9617-2.74450.76901.7828-321.5930-316.5019-2.3809-2.2991
0.44851.579000.4351-0.9490-2.75940.77221.8103-321.8916-316.2497-2.3815-2.3004
0.44111.7410000.4348-0.9293-2.74690.76581.8176-321.6409-315.8547-2.3823-2.3011
0.44991.9211000.4348-0.9482-2.77670.76581.8285-322.2369-316.2320-2.3828-2.3012

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.1.2+cu121
  • Datasets 2.16.1
  • Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Starcoder2ForCausalLM
Ревизия весов
837a7b6

0 моделей