/ Модель

Характеристики

Контекст
8 192 токена
Параметры
12,9 млрд
Размер весов
52,1 ГБ
Архитектура
llama · dense
Базовая модель
tulu-2-13b
Опубликована
12 мар 2024

Reproduced-tulu2-dpo-13b

Генерация текстаТекст → текст4 профессии

Воспроизведённая DPO-версия англоязычной модели Tulu 2 на 13 млрд параметров для генерации текста и ответов помощника.

26скачиваний за 30 дней1лайквеса обновлены19 окт 2025

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

Junrulu/Reproduced-tulu2-dpo-13b — воспроизведение Tulu2-DPO-13B, дообученное разработчиком на базе allenai/tulu-2-13b с использованием DPO и датасета Ultrafeedback. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, предназначенная для генерации текста и диалогов с помощником на английском языке; максимальная длина контекста — 8192 токена. Для работы рекомендуется соблюдать формат ввода модели и использовать перевод строки после сообщения, поскольку несовпадение шаблона обучения и тестирования может ухудшить качество генерации.

В карточке приведены результаты на MT-Bench и AlpacaEval 2.0, где воспроизведённая версия сравнивается с исходными вариантами Tulu 2. Модель распространяется в форматах PyTorch и safetensors. Лицензионные условия наследуются от работы Tulu 2. README не приводит отдельное название лицензии.

Сценарии применения

  • генерация ответов англоязычного чат-помощника
  • ответы на инструкции и вопросы на английском языке
  • создание и продолжение англоязычного текста
  • сравнительная оценка языковых моделей на MT-Bench и AlpacaEval

Ограничения

Качество генерации может снижаться, если формат ввода и шаблон диалога не соответствуют формату, использованному при обучении. README не указывает отдельную лицензию: применяются условия лицензий, упомянутых в работе Tulu 2.

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

Model Card for Reproduced Tulu2 DPO 13B

This repository provides a reproduction version of Tulu2-DPO-13B finetuned upon Tulu2-13B and Ultrafeedback. Therefore, we obey all licenses mentioned in Tulu2's work. Check our codes for more details: https://github.com/LuJunru/LLM_Finetune/tree/DPO, which is built with TRL.

Performance

ModelSizeAlignmentMT-Bench (score)AlpacaEval 2.0 (win rate %)
Tulu-v2-13b 🐪13BSFT5.792.61
Tulu-v2-dpo-13b 🐪13BDPO6.066.96
Reproduced-tulu2-dpo-13b13BDPO6.276.71

Input Format

The model is trained to use the following format (note the newlines):

<|user|>
Your message here!
<|assistant|>

For best results, format all inputs in this manner. Make sure to include a newline after <|assistant|>, this can affect generation quality quite a bit. Note: if fine-tuning with this chat template, ensure to evaluate and test with the chat template. Otherwise, fine-tining without the template if you choose to not use template during testing. Any mismatch of the chatting template between training and testing phases can obviously dampen the final performance.

Training hyperparameters

The following hyperparameters were used during DPO training:

  • DPO beta: 0.1
  • learning_rate: 1e-6 * sqrt(Num of Nodes)
  • total_train_batch_size: 128 * Num of Nodes
  • 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
1dd984e

0 моделей