/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
15 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Skywork-Reward-Llama-3.1-8B-v0.2
Библиотека
transformers
Опубликована
22 янв 2025

Decision-Tree-Reward-Llama-3.1-8B

Классификация текстаТекст → label3 профессии

Модель вознаграждения на базе Llama 3.1 оценивает и помогает ранжировать ответы языковых моделей по предпочтительности.

50скачиваний за 30 дней7лайковвеса 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

RLHFlow/Decision-Tree-Reward-Llama-3.1-8B — модель вознаграждения на основе Llama 3.1, разработанная RLHFlow и дообученная на Skywork/Skywork-Reward-Llama-3.1-8B-v0.2. Она оценивает ответы языковых моделей и помогает выбирать или ранжировать их по предпочтительности; карточка приводит результаты на RewardBench для диалогов, сложных диалогов, безопасности и рассуждений.

Модель имеет плотную архитектуру Llama с 7,5 млрд параметров и контекстом до 131 072 токенов. В метаданных указан английский язык и набор данных HelpSteer2. Для работы README рекомендует Transformers 4.45.2, PyTorch 2.5.0 или новее и flash-attn 2.6.3 или новее. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории. README содержит незавершённый раздел с кодом использования reward-модели; интеграцию следует сверить с актуальной реализацией.

Сценарии применения

  • оценка качества ответов языковой модели
  • ранжирование нескольких ответов чат-бота
  • выбор предпочтительного ответа для диалога
  • оценка безопасности ответов
  • оценка ответов с рассуждениями

Ограничения

README отмечает, что код использования reward-модели ещё не добавлен. Условия лицензии обозначены как other и требуют проверки в репозитории.

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-Llama-3.1-8B" # Another choice is "Decision-Tree-Reward-Gemma-2-27B" 
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': 3.9603815, 'correctness': 3.9727726, 'coherence': 3.8582935, 'complexity': 0.9909791, 'verbosity': 1.4901903}
print("Response 2 rewards")
print(dict(zip(output["attributes"], output["rewards"][1])))
# {'helpfulness': 2.1698856, 'correctness': 2.2035594, 'coherence': 3.2032843, 'complexity': 0.8786768, 'verbosity': 1.4569137}
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
LlamaForDecisionTreeRewardModel
Ревизия весов
a684699

0 моделей