/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
32,3 млрд
Размер весов
65,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Опубликована
22 мая 2023

WizardLM-30B-Uncensored

Генерация текстаТекст → текст3 профессии

Дообученная версия WizardLM на базе Llama для генерации текста без встроенных отказов и морализаторских ограничений.

235скачиваний за 30 дней146лайковвеса обновлены4 мар 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

QuixiAI выпустила WizardLM-30B-Uncensored — версию WizardLM, дообученную на подмножестве набора ehartford/WizardLM_alpaca_evol_instruct_70k_unfiltered. Из обучающих примеров удалили ответы с отказами и морализаторством, чтобы получить модель без встроенных ограничений на ответы; автор указывает, что к ней можно отдельно добавлять выравнивание, например с помощью RLHF LoRA.

Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 32,3 млрд параметров. Она предназначена для генерации текста по запросу. Контекст составляет 2048 токенов. В README приведены результаты Open LLM Leaderboard, включая средние оценки 52,32 и 56,46 в двух таблицах.

Отсутствие защитных ограничений означает, что модель может отвечать на запросы, на которые модели с защитными механизмами отказали бы; качество и безопасность таких ответов не гарантированы. В метаданных указана лицензия other, поэтому конкретные условия использования следует уточнить в репозитории модели.

Сценарии применения

  • генерация ответов на открытые текстовые запросы
  • эксперименты с настройкой поведения языковой модели через RLHF LoRA
  • оценка языковой модели на задачах общего рассуждения

Ограничения

У модели отсутствуют встроенные защитные ограничения, поэтому она может генерировать небезопасные ответы; результаты модели и сведения README не дают гарантий качества. Лицензия указана как other, без конкретных условий в предоставленных данных.

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

This is WizardLM trained with a subset of the dataset - responses that contained alignment / moralizing were removed. The intent is to train a WizardLM that doesn't have alignment built-in, so that alignment (of any sort) can be added separately with for example with a RLHF LoRA.

Shout out to the open source AI/ML community, and everyone who helped me out.

Note:
An uncensored model has no guardrails.
You are responsible for anything you do with the model, just as you are responsible for anything you do with any dangerous object such as a knife, gun, lighter, or car. Publishing anything this model generates is the same as publishing it yourself. You are responsible for the content you publish, and you cannot blame the model any more than you can blame the knife, gun, lighter, or car for what you do with it.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.52.32
ARC (25-shot)60.24
HellaSwag (10-shot)82.93
MMLU (5-shot)56.8
TruthfulQA (0-shot)51.57
Winogrande (5-shot)74.35
GSM8K (5-shot)12.89
DROP (3-shot)27.45

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.56.46
AI2 Reasoning Challenge (25-Shot)60.24
HellaSwag (10-Shot)82.93
MMLU (5-Shot)56.80
TruthfulQA (0-shot)51.57
Winogrande (5-shot)74.35
GSM8k (5-shot)12.89

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
b3ff9e5

0 моделей