/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
13,2 ГБ
Архитектура
llama · dense
Библиотека
safe-rlhf
Опубликована
10 июл 2023

beaver-dam-7b

Классификация текстаТекст → label3 профессии

Beaver-Dam-7B классифицирует пары «вопрос—ответ» по риску и токсичности для модерации QA-систем.

9 233скачиваний за 30 дней17лайковвеса обновлены10 июл 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

Beaver-Dam-7B — модель для модерации пар «вопрос—ответ», разработанная командой PKU-Alignment и дообученная на базе Llama-7B на классификационном наборе PKU-Alignment/BeaverTails. Это плотная модель семейства Llama с примерно 6,6 млрд параметров, реализованная для PyTorch; контекст составляет 2048 токенов. Модель оценивает совместный риск вопроса и ответа, классифицируя пару как вредоносную или безопасную с учётом того, может ли безвредный ответ нейтрализовать риск потенциально опасного вопроса.

Модель предназначена для модерации QA-систем и отнесения примеров к категориям риска: она анализирует токсичность по 14 категориям, помогая не блокировать вопросы автоматически только из-за их формулировки, если ответ безопасен. Карточка указывает английский язык и некоммерческую лицензию. Практическое применение ограничено классификацией безопасности QA-пар; сведений о точности или независимой оценке качества в карточке нет.

Сценарии применения

  • модерация безопасности ответов чат-бота с учётом исходного вопроса
  • классификация QA-пар как безопасных или вредоносных
  • выявление категорий токсичности в диалогах
  • фильтрация рискованного контента в системе вопросов и ответов

Ограничения

Модель ориентирована на модерацию QA-пар и английский язык; карточка не приводит метрик качества или независимой оценки. Лицензия разрешает некоммерческое использование.

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

🦫 BeaverDam Model Card

Beaver-Dam-7B

Boasting 7 billion parameters, Beaver-Dam-7B is a powerful QA-Moderation model derived from the Llama-7B base model and trained on the PKU-Alignment/BeaverTails Classification Dataset. Beaver-Dam's key feature is its ability to analyze responses to prompts for toxicity across 14 different categories.

  • Developed by: PKU-Alignment Team
  • Model type: QA moderation
  • License: Non-commercial license
  • Finetuned from model: LLaMA

Model Sources

Why Choose Beaver-Dam-7B?

Traditional approaches to content moderation in Question-Answering (QA) tasks often gauge the toxicity of a QA pair by examining each utterance individually. This method, while effective to a degree, can inadvertently result in a significant number of user prompts being discarded. If the moderation system perceives them as too harmful, it may prevent the language model from generating appropriate responses, consequently interrupting the user experience and potentially hindering the evolution of a beneficial AI with human-like understanding.

BeaverDam is a shift in the approach to content moderation for QA tasks - a concept we term "QA moderation":

qa-moderation-teaser.png

In this paradigm, a QA pair is classified as harmful or benign based on its degree of risk neutrality. Specifically, it assesses the extent to which potential risks in a potentially harmful question can be counteracted by a non-threatening response.

Как запустить

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

GPU в ailist

Универсальный рантайм · safe-rlhf · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForSequenceClassification
Ревизия весов
3a5b708

0 моделей