/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
mistral-7b-wo-kqa_golden-sft
Опубликована
30 апр 2024

mistral-7b-dpo-full-sft-wo-kqa_golden

Генерация текстаТекст → текст6 профессий

Дообученная методом DPO 7,1-миллиардная модель Mistral для генерации текста и ответов на текстовые запросы.

23скачиваний за 30 дней0лайковвеса обновлены30 апр 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

Minbyul/mistral-7b-dpo-full-sft-wo-kqa_golden — дообученная модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она основана на Minbyul/mistral-7b-wo-kqa_golden-sft и прошла DPO-дообучение на датасете HuggingFaceH4/ultrafeedback_binarized, чтобы улучшить предпочтительность генерируемых ответов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса; заявленное окно контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors.

Карточка приводит метрики оценки DPO, включая точность предпочтений 1,0 и разницу наград 9,6641, но не раскрывает подробности методики оценки или конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. Она может выдавать неточные или нежелательные ответы; назначение исходной SFT-модели в карточке не описано.

Сценарии применения

  • генерация ответов на текстовые запросы
  • создание диалогового помощника
  • подготовка черновиков и продолжение текста

Ограничения

Карточка не сообщает целевые языки и подробно не описывает ограничения или протокол оценки; приведённые метрики относятся только к указанному набору оценки.

Для каких профессий подходит6

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

mistral-7b-dpo-full-sft-wo-kqa_golden

This model is a fine-tuned version of Minbyul/mistral-7b-wo-kqa_golden-sft on the HuggingFaceH4/ultrafeedback_binarized dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0018
  • Rewards/chosen: -0.4458
  • Rewards/rejected: -10.1099
  • Rewards/accuracies: 1.0
  • Rewards/margins: 9.6641
  • Logps/rejected: -1564.3792
  • Logps/chosen: -241.2112
  • Logits/rejected: -2.0516
  • Logits/chosen: -1.3414

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • 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: 1

Training results

Training LossEpochStepValidation LossRewards/chosenRewards/rejectedRewards/accuraciesRewards/marginsLogps/rejectedLogps/chosenLogits/rejectedLogits/chosen
0.24780.311000.0352-0.1739-4.42641.04.2525-996.0294-214.0196-2.9200-2.1162
0.13850.612000.0041-0.3360-8.19971.07.8637-1373.3590-230.2282-2.3336-1.6287
0.08990.923000.0019-0.4479-10.06241.09.6145-1559.6263-241.4165-2.0553-1.3416

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.1.2
  • Datasets 2.14.6
  • Tokenizers 0.15.2

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
d1b0f72

0 моделей