/ Модель

Характеристики

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

Llama3-SFT-v2.0-epoch2

Генерация текстаТекст → текст5 профессий

Дообученная на диалоговом наборе Llama 3 для генерации текста и использования в исследованиях Online-RLHF.

21скачиваний за 30 дней0лайковвеса 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-v2.0-epoch2 — контрольная точка модели Llama 3, дообученная авторами проекта RLHFlow для проекта Online-RLHF. Модель обучена методом supervised fine-tuning на базе meta-llama/Meta-Llama-3-8B на наборе RLHFlow/RLHFlow-SFT-Dataset-ver2 в течение двух эпох; размер в метаданных указан как 7,5 млрд параметров. Это плотная авторегрессионная языковая модель для генерации текста и диалогов, доступная в формате safetensors и рассчитанная на контекст до 8192 токенов.

Модель подходит для генерации ответов в чате и исследований по обучению моделей с обратной связью от человека, включая рабочий процесс Online-RLHF. В карточке описаны пакет обучения 128 и скорость обучения 2e-5. Карточка не приводит оценок качества или подробных ограничений по языкам и сценариям использования. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоге
  • создание разговорного ассистента на базе Llama 3
  • эксперименты с supervised fine-tuning языковых моделей
  • исследование рабочего процесса Online-RLHF

Ограничения

Предоставленные данные не содержат оценок качества и подтверждённого списка поддерживаемых языков. Лицензия не указана в доступных сведениях.

Для каких профессий подходит5

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 RLHFlow/RLHFlow-SFT-Dataset-ver2 for 2 epochs. We use a global batch size of 128 and a learning rate of 2e-5, where we pack the samples and split them into chunks of 8192 token. See more training details at https://github.com/RLHFlow/Online-RLHF/blob/main/sft/llama3-8b-it.yaml .

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
7af6743

0 моделей