/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Архитектура
llama · dense
Опубликована
12 мая 2024

selfbiorag-7b-wo-kqa_golden-iter-dpo-step2

Генерация текстаТекст → текст4 профессии

Дообученная методом DPO модель Llama на 6,6 млрд параметров для генерации текста с контекстом до 4096 токенов.

18скачиваний за 30 дней1лайквеса обновлены12 мая 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/selfbiorag-7b-wo-kqa_golden-iter-dpo-step2 — дообученная модель семейства Llama с плотной архитектурой и примерно 6,6 млрд параметров. Она обучена методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized поверх Minbyul/selfbiorag-7b-wo-kqa_golden-iter-sft-step1 и предназначена для генерации текста с предпочтением более качественных ответов. Контекст модели — до 4096 токенов; веса доступны в формате safetensors.

Модель можно применять для генерации ответов и диалогового текста. В README приведены метрики оценки на тестовом наборе, включая точность предпочтений 0,7344 и разницу вознаграждений 2,8251, но подробности тестирования и целевых сценариев не описаны. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текстовых ответов на запросы
  • создание диалоговых ответов
  • сравнение предпочтительности вариантов ответа

Ограничения

В README не раскрыты целевые сценарии, языки и подробности оценки, поэтому качество для конкретных задач определить нельзя. Лицензия не указана в предоставленных данных.

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

selfbiorag-7b-wo-kqa_golden-iter-dpo-step2

This model is a fine-tuned version of Minbyul/selfbiorag-7b-wo-kqa_golden-iter-sft-step1 on the HuggingFaceH4/ultrafeedback_binarized dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4028
  • Rewards/chosen: -1.3389
  • Rewards/rejected: -4.1640
  • Rewards/accuracies: 0.7344
  • Rewards/margins: 2.8251
  • Logps/rejected: -858.1113
  • Logps/chosen: -368.7221
  • Logits/rejected: -0.8026
  • Logits/chosen: -1.0600

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-06
  • 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
0.1390.621000.3923-1.1034-3.43590.74222.3325-785.2989-345.1770-0.8936-1.1380

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
LlamaForCausalLM
Ревизия весов
1ba8b35

0 моделей