/ 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-epoch3

Генерация текстаТекст → текст5 профессий

Диалоговая модель на базе Meta Llama 3 8B, дообученная для SFT и генерации текста в проекте RLHFlow/Online-RLHF.

16скачиваний 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-epoch3 — контрольная точка supervised fine-tuning, подготовленная авторами проекта RLHFlow/Online-RLHF для исследования рабочего процесса RLHF. Модель основана на Meta Llama 3 8B и дообучена на датасете RLHFlow-SFT-Dataset-ver2 в течение трёх эпох; архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, формат весов — safetensors. Контекст составляет 8192 токена.

Модель предназначена для генерации текста в диалоговом формате и служит SFT-этапом в конвейере RLHF. В README указаны глобальный размер пакета 128 и скорость обучения 2e-5. Карточка не сообщает поддерживаемые естественные языки или предметные области. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоге
  • создание SFT-этапа конвейера RLHF
  • эксперименты с дообучением Llama 3 на инструкционных данных

Ограничения

Карточка не приводит оценки качества или сведения о поддерживаемых естественных языках. Указан контекст 8192 токена.

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 3 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
7bbea7e

0 моделей