/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B-Instruct
Опубликована
11 июн 2024

Llama-3-8B-Instruct-Iterative-SamPO

Генерация текстаТекст → текст5 профессий

Дообученная на SamPO англоязычная Llama 3 8B Instruct для диалоговых ответов и генерации текста.

19скачиваний за 30 дней1лайквеса обновлены14 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

Llama-3-8B-Instruct-Iterative-SamPO — дообученная Junrulu версия Meta Llama 3 8B Instruct с применением алгоритма SamPO. Она предназначена для диалоговой генерации текста и ответов ассистента; в карточке приведены результаты на GSM8K, IFEval, PiQA, MMLU, TruthfulQA и AlpacaEval2. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Для обучения использован датасет HuggingFaceH4/ultrafeedback_binarized.

Модель ориентирована на английский язык и принимает запросы в формате диалога user/assistant. Репозиторий содержит веса safetensors. Лицензия — llama3; при использовании необходимо соблюдать условия лицензий, указанные в работе Llama 3.

Сценарии применения

  • ответы ассистента на английском языке
  • диалоговое общение с языковой моделью
  • выполнение пользовательских инструкций
  • генерация текстовых ответов для приложений
  • решение типовых математических задач в формате вопросов и ответов

Ограничения

Карточка приводит результаты только для ограниченного набора бенчмарков; они не гарантируют качество на других задачах. Для применения необходимо соблюдать условия лицензии llama3.

Для каких профессий подходит5

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 Llama-3-8B-Instruct-Iterative-SamPO

This repository provides a fine-tuned version of Llama-3-8B-Instruct, using our proposed SamPO algorithm: Eliminating Biased Length Reliance of Direct Preference Optimization via Down-Sampled KL Divergence. We obey all licenses mentioned in llama3's work.

Performance

ModelGSM8KIFEvalPiQAMMLUTruthfulQAAlpacaEval2LC AlpacaEval2Length in Tokens
Llama3-8B-Instruct75.0649.4080.6963.8536.4722.5722.92421
Llama3-8B-Instruct-DPO75.5951.8081.9464.0640.3923.3423.20422
Llama3-8B-Instruct-Iterative-DPO74.9152.5281.6664.0239.9023.9225.50403
Llama3-8B-Instruct-Iterative-SamPO77.8160.5581.1864.1244.0730.6835.14377

Evaluation Details

Five conditional benchmarks, using lm-evaluation-harness:

  • GSM8K: 8-shot, report strict match
  • IFEval: 3-shot, report instruction-level strict accuracy
  • PiQA: 3-shot, report accuracy
  • MMLU: 0-shot, report normalized accuracy
  • TruthfulQA: 3-shot, report accuracy of single-true mc1 setting

One open-ended benchmark, using official alpaca_eval:

  • AlpacaEval2: win rate (%) judged by GPT-4-turbo between the model's outputs vs. the GPT-4-turbo's response
  • LC AlpacaEval2: length-debiased win rate (%) of AlpacaEval2
  • Length in Tokens: the average output length of AlpacaEval2, calculated in tokens with Llama3's tokenizer

Input Format

The model is trained to use the following format:

<|start_header_id|>user<|end_header_id|>

{PROMPT}<|eot_id|>
<|start_header_id|>assistant<|end_header_id|>

{Response}

Training hyperparameters

The following hyperparameters were used during DPO/SamPO training:

  • DPO beta: 0.1
  • learning_rate: 4e-7
  • total_train_batch_size: 128
  • optimizer: AdamW with beta1 0.9, beta2 0.999 and epsilon 1e-8
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • Weight Decay: 0.0
  • num_epochs: 3.0
  • Specifically add above input format over training samples

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
b9e22c6

0 моделей