/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
Llama-3-Patronus-Lynx-8B-Instruct
Библиотека
transformers
Опубликована
12 июл 2024

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

Генерация текстаТекст → текст4 профессии

QuantFactory/Llama-3-Patronus-Lynx-8B-Instruct-GGUF — квантизированная версия Patronus-Lynx-8B-Instruct, разработанная Patronus AI на основе дообученной Meta-Llama-3-8B-Instruct.

3 029скачиваний за 30 дней1лайквеса обновлены17 июл 2024

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

Модель предназначена для оценки галлюцинаций и фактической согласованности ответов в сценариях Retrieval-Augmented Generation (RAG): по вопросу, документу и ответу она определяет, подтверждается ли ответ содержанием документа и не добавляет ли он новую или противоречащую информацию.

Модель имеет около 8 миллиардов параметров, поддерживает преимущественно английский язык и максимальную длину последовательности до 8000 токенов. Она создана с использованием llama.cpp и обучена на 2400 примерах из CovidQA, PubmedQA, DROP и RAGTruth, включая синтетически сформированные галлюцинации; дообучение проводилось в течение трёх эпох. Рекомендуемый результат — вердикт PASS или FAIL с объяснением в JSON-формате. В README заявлено превосходство над GPT-3.5-Turbo, GPT-4-Turbo, GPT-4o и Claude Sonnet на наборе PatronusAI/HaluBench, однако конкретные метрики не приведены.

Модель сильна в специализированной проверке faithfulness ответов относительно предоставленного документа, но её назначение ограничено обнаружением галлюцинаций, а не универсальной генерацией текста; качество для языков, кроме английского, не описано. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение.

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

QuantFactory/Llama-3-Patronus-Lynx-8B-Instruct-GGUF

This is quantized version of PatronusAI/Llama-3-Patronus-Lynx-8B-Instruct created using llama.cpp

Model Description

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

The model is fine-tuned to be used to detect hallucinations in a RAG setting. 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 prompt we used for fine-tuning:

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.

Training Details

The model was finetuned for 3 epochs using H100s on dataset of size 2400. We use lion optimizer with lr=5.0e-7. For more details on data generation, please check out our Github repo.

Training Data

We train on 2400 samples consisting of CovidQA, PubmedQA, DROP and RAGTruth samples. For datasets that do not contain hallucinated samples, we generate perturbations to introduce hallucinations in the data. For more details about the data generation process, refer to the paper.

Evaluation

The model was evaluated on PatronusAI/HaluBench.

It outperforms GPT-3.5-Turbo, GPT-4-Turbo, GPT-4o and Claude Sonnet.

Model Card Contact

@sunitha-ravi

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
0986928

0 моделей