/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Архитектура
llama · dense
Библиотека
transformers
Опубликована
17 мая 2024

LLaMA3-SFT

Генерация текстаТекст → текст9 профессий

Контрольная точка Llama 3 8B после supervised fine-tuning для генерации текста, диалогов и исследований RLHF.

354скачиваний за 30 дней10лайковвеса обновлены3 ноя 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

RLHFlow/LLaMA3-SFT — контрольная точка supervised fine-tuning, подготовленная авторами проекта RLHFlow/Online-RLHF для исследований обучения с обратной связью от людей. Модель основана на Meta Llama 3 8B и дообучена за одну эпоху на смеси разнообразных высококачественных открытых данных. В метаданных указаны архитектура LlamaForCausalLM, около 7,5 млрд параметров, библиотека Transformers и контекст до 8192 токенов.

Модель предназначена для генерации текста и диалоговых сценариев, а также как начальная точка для экспериментов с RLHF. Авторы подчёркивают, что сама эта контрольная точка не обучалась с помощью RLHF. В README приведены результаты академических бенчмарков, в том числе по математическим задачам, программированию и общим знаниям. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание базовой модели для экспериментов с RLHF
  • решение математических задач в текстовом формате
  • генерация фрагментов кода

Ограничения

Контрольная точка не проходила обучение с RLHF, поэтому её поведение и качество могут отличаться от финальной модели RLHF; приведённые результаты получены в zero-shot-оценке и могут отличаться от результатов технического отчёта.

Для каких профессий подходит9

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

This is the SFT checkpoint used for the project RLHFlow/Online-RLHF

The model is trained from meta-llama/Meta-Llama-3-8B on a mixture of diverse open-source high-quality data for 1 epoch with detailed parameters in the report. It has not been trained by RLHF and can serve as a good starting point for the RLHF research.

Academic Benchmarks

We use ToRA script to evaluate GSM8K and MATH, Evalplut for HumanEval, and lm-evaluation-harness for other benchmarks. The model is evaluated in zero-shot setting so the results here may be slightly different from that reported in the technical report.

ModelSizeMethodLC AlpacaEvalMT-BenchGSM-8KMMLUHumanEvalTruthfulQAARCMBPP
LLaMA-3-8B-it8BRS+DPO+PPO22.98.1679.666.061.643.959.561.1
Ours (SFT baseline)8BSFT10.27.6974.230.064.663.453.558.6
Ours (Iterative RLHF)8BIterative DPO37.28.4680.765.364.660.464.360.8

Citation

Please cite our techical report if you find our model is useful for your research or product.

@misc{dong2024rlhf,
      title={RLHF Workflow: From Reward Modeling to Online RLHF}, 
      author={Hanze Dong and Wei Xiong and Bo Pang and Haoxiang Wang and Han Zhao and Yingbo Zhou and Nan Jiang and Doyen Sahoo and Caiming Xiong and Tong Zhang},
      year={2024},
      eprint={2405.07863},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

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
1bedbf1

0 моделей