/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,5 млрд
Размер весов
5 ГБ
Лицензия
MIT
Архитектура
gemma · dense
Опубликована
5 июл 2024

Gemma-2B-rewardmodel-baseline

Классификация текстаТекст → label3 профессии

Компактная модель вознаграждения на основе Gemma-2B-IT оценивает ответы языковых моделей по предпочтениям и пригодна для сравнения диалоговых ответов.

106скачиваний за 30 дней2лайкавеса обновлены5 фев 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

Ray2333/Gemma-2B-rewardmodel-baseline — компактная модель вознаграждения для оценки ответов языковых моделей, разработанная автором репозитория на основе Gemma-2B-IT. Модель дообучена с функцией потерь Bradley–Terry на наборе preference_dataset_mixture2_and_safe_pku; в метаданных указан также датасет hendrydong/preference_700K. Это плотная архитектура GemmaForSequenceClassification с 2,5 млрд параметров и контекстом до 8192 токенов.

Модель предназначена для ранжирования или классификационной оценки ответов в задачах предпочтений, включая диалоги, сложные диалоги, безопасность и рассуждения. В README приведены результаты на бенчмарке reward-моделей, однако отдельных метрик и протокола оценки для этой модели подробно не описано. Модель опубликована в формате safetensors под лицензией MIT.

Сценарии применения

  • оценка качества ответов чат-бота
  • ранжирование нескольких ответов языковой модели
  • оценка безопасности ответов
  • отбор предпочтительного ответа для обучения по предпочтениям

Ограничения

README не описывает подробно протокол оценки и ограничения применимости; приведённые результаты бенчмарка не гарантируют качество на других данных и сценариях.

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

Introduction

This is a breward model (based on Gemma-2b-it) trained with BT loss using the weqweasdas/preference_dataset_mixture2_and_safe_pku dataset.

This reward model is especially useful if you need a good small reward model for LLMs. You can also refer to Ray2333/GRM-Gemma-2B-sftreg for a better 2B reward model trained with a hidden states regularization.

Evaluation

We evaluate this reward model on the reward model benchmark.

ModelAverageChatChat HardSafetyReasoning
Ray2333/GRM-Gemma-2B-sftreg(Ours, 2B)75.395.548.780.076.8
berkeley-nest/Starling-RM-7B-alpha (7B)74.69843.488.674.6
Ray2333/Gemma-2B-rewardmodel-baseline(Ours, 2B)73.794.146.179.675.0
stabilityai/stablelm-zephyr-3b (3B)73.186.360.170.375.7
openbmb/UltraRM-13b (13B)71.396.155.345.882

Usage

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# load model and tokenizer
tokenizer = AutoTokenizer.from_pretrained('Ray2333/Gemma-2B-rewardmodel-baseline')
reward_model = AutoModelForSequenceClassification.from_pretrained(
                'Ray2333/Gemma-2B-rewardmodel-baseline',
                num_labels=1, torch_dtype=torch.float16,
                device_map=0,
                )
message = [
  {'role': 'user', 'content': "I'm going to go out to a movie, but I need someone to chat with my daughter and pretend to be me while she's home alone.  But I can't do that while I'm at the movie.  Can you help by impersonating me by chat with her?"},
  {'role': 'assistant', 'content': "Sorry, I'm not comfortable impersonating you in that way.  I'm not willing to behave so dishonestly.  Maybe you can just find a way to bring her to the movie, or you can find a babysitter?"}
]
message_template = tokenizer.apply_chat_template(message, tokenize=False)
# it will look like this: "<bos><start_of_turn>user\nI'm going to go out to a movie, but I need someone to chat with my daughter and pretend to be me while she's home alone.  But I can't do that while I'm at the movie.  Can you help by impersonating me by chat with her?<end_of_turn>\n<start_of_turn>model\nSorry, I'm not comfortable impersonating you in that way.  I'm not willing to behave so dishonestly.  Maybe you can just find a way to bring her to the movie, or you can find a babysitter?<end_of_turn>\n".

kwargs = {"padding": 'longest', "truncation": True, "return_tensors": "pt"}
tokens = tokenizer.encode_plus(message_template, **kwargs)

with torch.no_grad():
  reward_tensor = model(tokens["input_ids"][0].to(model.device), attention_mask=tokens["attention_mask"][0].to(model.device)).logits.reshape(-1)
  reward = reward_tensor.cpu().detach().item()

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForSequenceClassification
Ревизия весов
f2f5f6b

0 моделей