/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
29 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
9 окт 2023

zephyr-7b-alpha

Генерация текстаТекст → текст7 профессий

Дообученная на диалогах и предпочтениях модель Mistral на 7,1 млрд параметров для англоязычного общения и генерации ответов.

4 733скачиваний за 30 дней1 130лайковвеса обновлены16 окт 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 оценки6

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

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2978

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,395

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5191

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2795

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4583

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0196

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Zephyr-7B-α — языковая модель-ассистент из серии Zephyr, разработанной Hugging Face H4. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на Mistral-7B-v0.1 методом Direct Preference Optimization (DPO). В обучении использовались синтетические диалоги UltraChat и предпочтения из UltraFeedback; длина контекста составляет 32 768 токенов.

Модель предназначена для диалогов и генерации ответов на английском языке. Её можно использовать как чат-ассистента для ответов на вопросы и ведения беседы. По карточке модели, ослабление встроенного выравнивания повысило результаты на MT Bench и полезность ответов, но модель может выдавать проблемный контент, особенно по запросу. Лицензия — MIT.

Сценарии применения

  • ответы на вопросы в диалоге
  • ведение беседы с чат-ассистентом
  • генерация англоязычных ответов
  • создание прототипа текстового помощника

Ограничения

Модель может генерировать проблемные ответы, особенно по соответствующему запросу; в карточке указано, что она не прошла выравнивание с человеческими предпочтениями методами вроде RLHF и не использует фильтрацию ответов в цикле взаимодействия.

Для каких профессий подходит7

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 Zephyr 7B Alpha

Zephyr is a series of language models that are trained to act as helpful assistants. Zephyr-7B-α is the first model in the series, and is a fine-tuned version of mistralai/Mistral-7B-v0.1 that was trained on on a mix of publicly available, synthetic datasets using Direct Preference Optimization (DPO). We found that removing the in-built alignment of these datasets boosted performance on MT Bench and made the model more helpful. However, this means that model is likely to generate problematic text when prompted to do so.

Model description

  • Model type: A 7B parameter GPT-like model fine-tuned on a mix of publicly available, synthetic datasets.
  • Language(s) (NLP): Primarily English
  • License: MIT
  • Finetuned from model: mistralai/Mistral-7B-v0.1

Model Sources

Intended uses & limitations

The model was initially fine-tuned on a variant of the UltraChat dataset, which contains a diverse range of synthetic dialogues generated by ChatGPT. We then further aligned the model with 🤗 TRL's DPOTrainer on the openbmb/UltraFeedback dataset, which contain 64k prompts and model completions that are ranked by GPT-4. As a result, the model can be used for chat and you can check out our demo to test its capabilities.

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

# Install transformers from source - only needed for versions <= v4.34
# pip install git+https://github.com/huggingface/transformers.git
# pip install accelerate

import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="HuggingFaceH4/zephyr-7b-alpha", torch_dtype=torch.bfloat16, device_map="auto")

# We use the tokenizer's chat template to format each message - see https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {
        "role": "system",
        "content": "You are a friendly chatbot who always responds in the style of a pirate",
    },
    {"role": "user", "content": "How many helicopters can a human eat in one sitting?"},
]
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipe(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])
# <|system|>
# You are a friendly chatbot who always responds in the style of a pirate.</s>
# <|user|>
# How many helicopters can a human eat in one sitting?</s>
# <|assistant|>
# Ah, me hearty matey! But yer question be a puzzler! A human cannot eat a helicopter in one sitting, as helicopters are not edible. They be made of metal, plastic, and other materials, not food!

Bias, Risks, and Limitations

Zephyr-7B-α 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). It is also unknown what the size and composition of the corpus was used to train the base model (mistralai/Mistral-7B-v0.1), however it is likely to have included a mix of Web data and technical sources like books and code. See the Falcon 180B model card for an example of this.

Training and evaluation data

Zephyr 7B Alpha achieves the following results on the evaluation set:

  • Loss: 0.4605
  • Rewards/chosen: -0.5053
  • Rewards/rejected: -1.8752
  • Rewards/accuracies: 0.7812
  • Rewards/margins: 1.3699
  • Logps/rejected: -327.4286
  • Logps/chosen: -297.1040
  • Logits/rejected: -2.7153
  • Logits/chosen: -2.7447

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: 16
  • total_train_batch_size: 32
  • total_eval_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossRewards/chosenRewards/rejectedRewards/accuraciesRewards/marginsLogps/rejectedLogps/chosenLogits/rejectedLogits/chosen
0.56020.051000.5589-0.3359-0.81680.71880.4809-306.2607-293.7161-2.6554-2.6797
0.48520.12000.5136-0.5310-1.49940.81250.9684-319.9124-297.6181-2.5762-2.5957
0.52120.153000.5168-0.1686-1.17600.78121.0074-313.4444-290.3699-2.6865-2.7125
0.54960.214000.4835-0.1617-1.71700.82811.5552-324.2635-290.2326-2.7947-2.8218
0.52090.265000.5054-0.4778-1.66040.73441.1826-323.1325-296.5546-2.8388-2.8667
0.46170.316000.4910-0.3738-1.51800.76561.1442-320.2848-294.4741-2.8234-2.8521
0.44520.367000.4838-0.4591-1.65760.70311.1986-323.0770-296.1796-2.7401-2.7653
0.46740.418000.5077-0.5692-1.86590.76561.2967-327.2416-298.3818-2.6740-2.6945
0.46560.469000.4927-0.5279-1.66140.76561.1335-323.1518-297.5553-2.7817-2.8015
0.41020.5210000.4772-0.5767-2.06670.76561.4900-331.2578-298.5311-2.7160-2.7455
0.46630.5711000.4740-0.8038-2.10180.76561.2980-331.9604-303.0741-2.6994-2.7257
0.47370.6212000.4716-0.3783-1.70150.79691.3232-323.9545-294.5634-2.6842-2.7135
0.42590.6713000.4866-0.6239-1.97030.78121.3464-329.3312-299.4761-2.7046-2.7356
0.49350.7214000.4747-0.5626-1.76000.78121.1974-325.1243-298.2491-2.7153-2.7444
0.42110.7715000.4645-0.6099-1.99930.76561.3894-329.9109-299.1959-2.6944-2.7236
0.49310.8316000.4684-0.6798-2.10820.76561.4285-332.0890-300.5934-2.7006-2.7305
0.50290.8817000.4595-0.5063-1.89510.78121.3889-327.8267-297.1233-2.7108-2.7403
0.49650.9318000.4613-0.5561-1.90790.78121.3518-328.0831-298.1203-2.7226-2.7523
0.43370.9819000.4608-0.5066-1.87180.76561.3652-327.3599-297.1296-2.7175-2.7469

Framework versions

  • Transformers 4.34.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.12.0
  • Tokenizers 0.14.0

Citation

If you find Zephyr-7B-α is useful in your work, please cite it with:

@misc{tunstall2023zephyr,
      title={Zephyr: Direct Distillation of LM Alignment}, 
      author={Lewis Tunstall and Edward Beeching and Nathan Lambert and Nazneen Rajani and Kashif Rasul and Younes Belkada and Shengyi Huang and Leandro von Werra and Clémentine Fourrier and Nathan Habib and Nathan Sarrazin and Omar Sanseviero and Alexander M. Rush and Thomas Wolf},
      year={2023},
      eprint={2310.16944},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

If you use the UltraChat or UltraFeedback datasets, please cite the original works:

@misc{ding2023enhancing,
      title={Enhancing Chat Language Models by Scaling High-quality Instructional Conversations}, 
      author={Ning Ding and Yulin Chen and Bokai Xu and Yujia Qin and Zhi Zheng and Shengding Hu and Zhiyuan Liu and Maosong Sun and Bowen Zhou},
      year={2023},
      eprint={2305.14233},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@misc{cui2023ultrafeedback,
      title={UltraFeedback: Boosting Language Models with High-quality Feedback}, 
      author={Ganqu Cui and Lifan Yuan and Ning Ding and Guanming Yao and Wei Zhu and Yuan Ni and Guotong Xie and Zhiyuan Liu and Maosong Sun},
      year={2023},
      eprint={2310.01377},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
014792b

0 моделей