/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Архитектура
llama · dense
Базовая модель
tulu-2-7b
Библиотека
transformers
Опубликована
1 сен 2024

Ссылки

Hugging Face

tulu-2-7b-hh-dpo

NicholasCorrado
Генерация текстаТекст → текст6 профессий

Дообученная методом DPO англоязычная чат-модель Tulu 2 7B для ответов на инструкции и диалоговые запросы.

20скачиваний за 30 дней0лайковвеса обновлены1 сен 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.

Открыть конструктор бенчмарка

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

NicholasCorrado/tulu-2-7b-hh-dpo — дообученная чат-модель на базе AllenAI Tulu 2 7B с архитектурой Llama и примерно 6,6 млрд параметров. Модель дообучена на наборе HuggingFaceH4/hh-rlhf-h4 методом DPO и предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Поддерживает контекст до 8192 токенов и представлена в формате Safetensors для Transformers.

Модель подходит для диалоговых помощников и ответов на текстовые запросы. Карточка приводит метрики оценки на тестовом наборе, включая точность предпочтений 0,6129, но не описывает подробные сценарии применения и ограничения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • создание англоязычного чат-бота
  • ответы на пользовательские инструкции
  • ведение текстового диалога
  • генерация ответов для диалогового помощника

Ограничения

Предоставленная карточка не описывает подробные ограничения или область применимости; приведённые метрики относятся к оценке на наборе HH-RLHF. Лицензия в доступных данных не указана.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tulu-2-7b-hh-dpo

This model is a fine-tuned version of allenai/tulu-2-7b on the HuggingFaceH4/hh-rlhf-h4 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6470
  • Rewards/chosen: -0.3648
  • Rewards/rejected: -0.4826
  • Rewards/accuracies: 0.6129
  • Rewards/margins: 0.1178
  • Logps/rejected: -246.3995
  • Logps/chosen: -228.8311
  • Logits/rejected: -1.4327
  • Logits/chosen: -1.4212

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: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 256
  • total_eval_batch_size: 64
  • 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

Framework versions

  • Transformers 4.44.1
  • Pytorch 2.1.2+cu121
  • Datasets 2.21.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
aca5db3

0 моделей

    Создать бенчмарк