/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Архитектура
llama · dense
Опубликована
23 июн 2024

Llama-3-8b-rlhf-100k

Генерация текстаТекст → текст5 профессий

Диалоговая Llama 3 с 7,5 млрд параметров, обученная OpenRLHF методом RLHF/PPO для генерации текста.

25скачиваний за 30 дней4лайкавеса обновлены24 июн 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

OpenRLHF подготовила контрольную точку Llama 3 8B, обученную с помощью RLHF и PPO. Это плотная авторегрессионная языковая модель с 7,5 млрд параметров для генерации текста и диалоговых сценариев; веса доступны в формате safetensors. Указанный контекст составляет 8192 токена.

В README приведены параметры обучения: PPO с одной эпохой, нормализацией награды и ограничением выборки до 100 тысяч примеров для экономии ресурсов GPU. Модель можно применять для генерации ответов в диалоге и продолжения текста. README не раскрывает идентификаторы базовой SFT-модели, reward model и набора промптов, поэтому определить точную базовую модель по имеющимся данным нельзя.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • продолжение заданного текста
  • создание текстовых ответов на пользовательские запросы

Ограничения

README не указывает базовую SFT-модель, reward model и датасет; происхождение конкретной базовой модели установить нельзя. В описании не приведены результаты оценки качества.

Для каких профессий подходит5

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

Llama-3 8B RLHF checkpoint trained by OpenRLHF

Using the models and datasets:

Training Hyperparameters

Actor Learning Rate: 5e-7
Critic Learning Rate: 9e-6
Learning Rate Scheduler: Cosine with 0.03 Warmup
PPO epoch: 1
Training Batch Size: 128
Experience Buffer Size: 1024
Reward Normalization: True
Max Prompt Length: 2048
Max Response Length: 2048
Max Samples: 100k (To save GPU resources)
Number of Samples per Prompt: 1

Evaluation

Chat-Arena-Hard
-------------------------------------------
llama-3-8b-sft                 | score: 5.6   
llama-3-8b-rlhf-100k           | score: 20.5

Training logs

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
0a1e6d1

0 моделей