/ Модель

Характеристики

Контекст
512 токенов
Параметры
1,5 млн
Архитектура
deberta-v2 · dense
Опубликована
26 окт 2023

reward-model-deberta-v3-unit-test

Классификация текстаТекст → label3 профессии

Компактная тестовая модель вознаграждения на базе DeBERTa для проверки интеграций RLHF на CPU.

455скачиваний за 30 дней0лайковвеса обновлены26 окт 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

MaxJeblick/reward-model-deberta-v3-unit-test — небольшая тестовая reward-модель на базе DeBERTa v3, предназначенная для модульных и интеграционных тестов в сценариях RLHF. Она классифицирует текст и рассчитана на запуск на CPU, в том числе на машинах без GPU. В метаданных указаны архитектура DeBERTa v2, класс DebertaV2ForSequenceClassification, 1,5 млн параметров и контекст до 512 токенов. Модель опубликована в формате PyTorch.

Модель подходит для проверки интеграций и тестовых конвейеров, но README характеризует её как dummy-модель, а не как надёжную систему оценки ответов для реального применения. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.

Сценарии применения

  • модульное тестирование конвейера RLHF
  • интеграционное тестирование в H2O LLM Studio
  • проверка классификации текста на CPU

Ограничения

Это dummy-модель для тестов, поэтому её оценки не следует считать пригодными для реального ранжирования или оценки качества ответов. Контекст ограничен 512 токенами.

Для каких профессий подходит3

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

Small dummy deberta-v3-type Reward Model useable for Unit/Integration tests for RLHF. Suitable for CPU only machines, see H2O LLM Studio for an example integration test.

Model was created as follows:

from transformers import AutoConfig, AutoTokenizer, AutoModelForSequenceClassification

repo_name = "MaxJeblick/reward-model-deberta-v3-unit-test"
model_name = "OpenAssistant/reward-model-deberta-v3-large-v2"
config = AutoConfig.from_pretrained(model_name)

config.hidden_size = 12
config.intermediate_size = 24
config.num_attention_heads = 2
config.num_hidden_layers = 2
config.pooler_hidden_size = 12

tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForSequenceClassification.from_config(config)
print(model.num_parameters())  # 1_546_129


model.push_to_hub(repo_name, private=False)
tokenizer.push_to_hub(repo_name, private=False)
config.push_to_hub(repo_name, private=False)

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
5ec7191

0 моделей