/ Модель

Характеристики

Контекст
8 192 токена
Параметры
27,6 млрд
Размер весов
54,5 ГБ
Лицензия
Своя лицензия
Архитектура
gemma2 · dense
Базовая модель
Skywork-Reward-Gemma-2-27B-v0.2
Библиотека
transformers
Опубликована
22 янв 2025

Decision-Tree-Reward-Gemma-2-27B

Классификация текстаТекст → label3 профессии

Текстовая модель вознаграждения на базе Gemma 2, которая оценивает ответы языковых моделей для их сравнения и ранжирования.

39скачиваний за 30 дней9лайковвеса обновлены24 янв 2025

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

Decision-Tree-Reward-Gemma-2-27B — модель вознаграждения от RLHFlow на архитектуре Gemma 2, дообученная на Skywork-Reward-Gemma-2-27B-v0.2. Она оценивает ответы языковых моделей для сравнения их качества и предпочтительности и может использоваться в оценке диалогов и выборе ответа. В README приведены результаты RewardBench за январь 2025 года: 95,4 балла в целом, с высокими результатами в категориях диалога, безопасности и рассуждений.

Модель содержит 27,6 млрд параметров, использует плотную архитектуру Gemma 2, принимает текст и имеет контекст до 8192 токенов. Для работы README указывает Transformers 4.45.2, PyTorch 2.5.0 или новее и FlashAttention 2.6.3 или новее. Метаданные указывают лицензию «other»; конкретные условия использования следует проверять в карточке модели и у базовой модели.

Сценарии применения

  • сравнение двух ответов чат-бота по предпочтительности
  • оценка качества ответов языковой модели
  • выбор лучшего ответа для диалога
  • проверка ответов по критериям безопасности
  • оценивание ответов на задачи рассуждения

Ограничения

README приводит результаты RewardBench за январь 2025 года, поэтому они не гарантируют качество на других данных и сценариях. Лицензия обозначена как «other», а конкретные условия следует уточнить в карточке модели и у базовой модели.

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

Interpreting Language Model Preferences Through the Lens of Decision Trees

RewardBench Leaderboard (Jan 2025)

RankModelBase ModelMethodOverall ScoreChatChat HardSafetyReasoning
1Decision-Tree-Reward-Gemma-2-27BGemma-2-27BDecision Tree95.496.991.493.999.2
2INF-QRM-Llama3.1-70BLlama-3.1-70BSequence Classifier95.196.691.093.699.1
3Decision-Tree-Reward-Llama-3.1-8BLlama-3.1-8BDecision Tree94.596.689.593.298.6
4QRM-Gemma-2-27BGemma-2-27BSequence Classifier94.496.690.192.798.3
5Skywork-Reward-Gemma-2-27B-v0.2Gemma-2-27BSequence Classifier94.396.189.993.098.1
6Llama-3.1-Nemotron-70B-RewardLlama-3.1-70BCustom Classifier94.197.585.795.198.1
7Skywork-Reward-Gemma-2-27BGemma-2-27BSequence Classifier93.895.891.491.996.1
8TextEval-Llama3.1-70BLlama-3.1-70BGenerative93.594.190.193.296.4
9MetaMetrics-RM-v1.0-Custom Classifier93.498.386.490.898.2
10Skywork-Critic-Llama-3.1-70BLlama-3.1-70BGenerative93.396.687.993.195.5
11QRM-Llama3.1-8B-v2Llama-3.1-8BSequence Classifier93.196.486.892.696.8
12Skywork-Reward-Llama-3.1-8B-v0.2Llama-3.1-8BSequence Classifier93.194.788.492.796.7

Usage Code

Before using the model, ensure you have the following dependencies installed:

  • transformers==4.45.2
  • torch>=2.5.0
  • flash-attn>=2.6.3

Note: This code requires a GPU with NVIDIA Ampere architecture or newer.

from transformers import AutoModelForSequenceClassification
import torch
from transformers import AutoTokenizer
model_name = "Decision-Tree-Reward-Gemma-2-27B" # Another choice is "Decision-Tree-Reward-Llama-3.1-8B" 
repo_id = f"RLHFlow/{model_name}"
device = "cuda"
# Initialize the model and tokenizer
model = AutoModelForSequenceClassification.from_pretrained(repo_id, trust_remote_code=True, torch_dtype=torch.bfloat16, attn_implementation="flash_attention_2", device_map=device)
tokenizer = AutoTokenizer.from_pretrained(repo_id, use_fast=True)
# Load the decision tree
model.load_decision_tree(repo_id, filename="decision_tree.pkl")

# Prompt and response pairs
prompt = "Jane has 12 apples. She gives 4 apples to her friend Mark, then buys 1 more apple, and finally splits all her apples equally among herself and her 2 siblings. How many apples does each person get?"
response1 = "1. Jane starts with 12 apples and gives 4 to Mark. 12 - 4 = 8. Jane now has 8 apples.\n2. Jane buys 1 more apple. 8 + 1 = 9. Jane now has 9 apples.\n3. Jane splits the 9 apples equally among herself and her 2 siblings (3 people in total). 9 ÷ 3 = 3 apples each. Each person gets 3 apples."
response2 = "1. Jane starts with 12 apples and gives 4 to Mark. 12 - 4 = 8. Jane now has 8 apples.\n2. Jane buys 1 more apple. 8 + 1 = 9. Jane now has 9 apples.\n3. Jane splits the 9 apples equally among her 2 siblings (2 people in total). 9 ÷ 2 = 4.5 apples each. Each person gets 4 apples."

# Compare the two responses
output = model.compare(prompt, response1, response2, tokenizer, device)
print("Response 1 rewards")
print(dict(zip(output["attributes"], output["rewards"][0])))
# {'helpfulness': 3.7171721, 'correctness': 3.792478, 'coherence': 3.6601954, 'complexity': 0.8211964, 'verbosity': 1.8119512}
print("Response 2 rewards")
print(dict(zip(output["attributes"], output["rewards"][1])))
# {'helpfulness': -0.261065, 'correctness': -0.2378807, 'coherence': 2.4387608, 'complexity': 0.72620213, 'verbosity': 1.7181122}
print("Model preference")
print(output["preference"])
# 0

License

Note: This model is finetuned from a Skywork model under the following license agreement:

The community usage of Skywork model requires Skywork Community License. The Skywork model supports commercial use. If you plan to use the Skywork model or its derivatives for commercial purposes, you must abide by terms and conditions within Skywork Community License.

To-Do

  • Reward Model Usage code
  • Architecture diagram

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForDecisionTreeRewardModel
Ревизия весов
263ea83

0 моделей