/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
3 июл 2024

Llama-3-Patronus-Lynx-8B-Instruct

Генерация текстаТекст → текст8 профессий

Англоязычная дообученная модель Patronus AI для проверки, подтверждается ли ответ документом в RAG-сценариях.

209скачиваний за 30 дней45лайковвеса обновлены22 июл 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

Patronus-Lynx-8B-Instruct — языковая модель Patronus AI для выявления галлюцинаций в системах генерации с дополнением по поиску (RAG). Она принимает документ, вопрос и ответ и оценивает, подтверждается ли ответ содержимым документа. Модель основана на Llama 3 8B Instruct и дообучена на данных CovidQA, PubmedQA, DROP и RAGTruth, включая разметку, созданную людьми и синтетически.

Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов по метаданным. Она рассчитана прежде всего на английский язык и использует генерацию текста для выдачи оценки. Patronus AI сообщает об оценивании на HaluBench и перечисленных в карточке наборах данных. Лицензия CC-BY-NC-4.0 разрешает использование на условиях Creative Commons Attribution-NonCommercial 4.0, включая ограничения на коммерческое применение.

Сценарии применения

  • проверка фактической точности ответа по найденным документам
  • выявление галлюцинаций в ответах RAG-системы
  • оценка верности ответа исходному контексту
  • контроль качества ответов на вопросы по медицинским публикациям
  • оценка ответов на вопросы по финансовым и общим документам

Ограничения

Модель ориентирована прежде всего на английский язык и проверку соответствия ответа предоставленному документу; карточка не подтверждает её пригодность для других языков или задач. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Для каких профессий подходит8

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

Model Card for Model ID

Lynx is an open-source hallucination evaluation model. Patronus-Lynx-8B-Instruct was trained on a mix of datasets including CovidQA, PubmedQA, DROP, RAGTruth. The datasets contain a mix of hand-annotated and synthetic data. The maximum sequence length is 8000 tokens.

Model Details

Model Sources

How to Get Started with the Model

Lynx is trained to detect hallucinations in RAG settings. Provided a document, question and answer, the model can evaluate whether the answer is faithful to the document.

To use the model, we recommend using the following prompt:

PROMPT = """
Given the following QUESTION, DOCUMENT and ANSWER you must analyze the provided answer and determine whether it is faithful to the contents of the DOCUMENT. The ANSWER must not offer new information beyond the context provided in the DOCUMENT. The ANSWER also must not contradict information provided in the DOCUMENT. Output your final verdict by strictly following this format: "PASS" if the answer is faithful to the DOCUMENT and "FAIL" if the answer is not faithful to the DOCUMENT. Show your reasoning.

--
QUESTION (THIS DOES NOT COUNT AS BACKGROUND INFORMATION):
{question}

--
DOCUMENT:
{context}

--
ANSWER:
{answer}

--

Your output should be in JSON FORMAT with the keys "REASONING" and "SCORE":
{{"REASONING": <your reasoning as bullet points>, "SCORE": <your final score>}}
"""

The model will output the score as 'PASS' if the answer is faithful to the document or FAIL if the answer is not faithful to the document.

Inference

To run inference, you can use HF pipeline:


model_name = 'PatronusAI/Llama-3-Patronus-Lynx-8B-Instruct'
pipe = pipeline(
          "text-generation",
          model=model_name,
          max_new_tokens=600,
          device="cuda",
          return_full_text=False
        )

messages = [
    {"role": "user", "content": prompt},
]

result = pipe(messages)
print(result[0]['generated_text'])

Since the model is trained in chat format, ensure that you pass the prompt as a user message.

For more information on training details, refer to our ArXiv paper.

Evaluation

The model was evaluated on PatronusAI/HaluBench.

ModelHaluEvalRAGTruthFinanceBenchDROPCovidQAPubmedQAOverall
GPT-4o87.9%84.3%85.3%84.3%95.0%82.1%86.5%
GPT-4-Turbo86.0%85.0%82.2%84.8%90.6%83.5%85.0%
GPT-3.5-Turbo62.2%50.7%60.9%57.2%56.7%62.8%58.7%
Claude-3-Sonnet84.5%79.1%69.7%84.3%95.0%82.9%78.8%
Claude-3-Haiku68.9%78.9%58.4%84.3%95.0%82.9%69.0%
RAGAS Faithfulness70.6%75.8%59.5%59.6%75.0%67.7%66.9%
Mistral-Instruct-7B78.3%77.7%56.3%56.3%71.7%77.9%69.4%
Llama-3-Instruct-8B83.1%80.0%55.0%58.2%75.2%70.7%70.4%
Llama-3-Instruct-70B87.0%83.8%72.7%69.4%85.0%82.6%80.1%
LYNX (8B)85.7%80.0%72.5%77.8%96.3%85.2%82.9%
LYNX (70B)88.4%80.2%81.4%86.4%97.5%90.4%87.4%

Citation

If you are using the model, cite using

@article{ravi2024lynx,
  title={Lynx: An Open Source Hallucination Evaluation Model},
  author={Ravi, Selvan Sunitha and Mielczarek, Bartosz and Kannappan, Anand and Kiela, Douwe and Qian, Rebecca},
  journal={arXiv preprint arXiv:2407.08488},
  year={2024}
}

Model Card Contact

@sunitha-ravi @RebeccaQian1 @presidev

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
5523f86

0 моделей