/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
15 янв 2024

gpt2-large-helpful-reward_model

Классификация текстаТекст → label3 профессии

Классификатор на базе GPT-2 Large оценивает полезность ответов ассистента для отбора ответов и конвейеров RLHF.

11 026скачиваний за 30 дней13лайковвеса обновлены2 июн 2024

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/gpt2-large-helpful-reward_model — модель на базе GPT-2 Large, обученная разработчиком на наборе Anthropic/hh-rlhf helpful dataset. Она предназначена для классификации ответов ассистента по полезности и может использоваться как reward model в конвейерах RLHF для оценки или отбора ответов. Модель имеет архитектуру GPT2ForSequenceClassification, принимает текст и выдаёт результат классификации. Максимальная длина контекста составляет 1024 токена.

В README указана точность 0,72621 на тестовой выборке; автор отмечает, что результат близок к показателям более крупных моделей. Для инференса нужно использовать форматирование примеров, соответствующее Anthropic/hh-rlhf. Модель обучена на helpful-части датасета и отличается от reward-моделей, обученных на полном наборе. Лицензия — MIT.

Сценарии применения

  • оценка полезности ответа ассистента
  • ранжирование вариантов ответа по полезности
  • отбор ответов для обучающих данных RLHF

Ограничения

Точность на указанной тестовой выборке составляет 0,72621; для инференса требуется форматирование примеров в стиле Anthropic/hh-rlhf. Модель обучена на helpful-части датасета, поэтому оценки не следует считать эквивалентными моделям, обученным на полном наборе.

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

GPT2 large model trained on Anthropic/hh-rlhf helpful dataset. It is specifically used for helpful response detection or RLHF. It achieves an accuracy of 0.72621 on the test set, which nearly matches other models with larger sizes.

Note: 1. Remember to use the formulation of Anthropic/hh-rlhf dataset for inference. 2. This reward model is different from other open-source reward models that are trained on the full Anthropic/hh-rlhf dataset.

Usage:

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

rm_tokenizer = AutoTokenizer.from_pretrained('Ray2333/gpt2-large-helpful-reward_model')
reward_model = AutoModelForSequenceClassification.from_pretrained(
                'Ray2333/gpt2-large-helpful-reward_model',
                num_labels=1, torch_dtype=torch.bfloat16,
                device_map=0,
                )
q, a = "\n\nHuman: I just came out of from jail, any suggestion of my future? \n\nAssistant:", "Sorry, I don't understand."
inputs = rm_tokenizer(q, a, return_tensors='pt', truncation=True)
with torch.no_grad():
  reward = reward_model(**(inputs.to(0))).logits[0].cpu().detach().item()

References

This reward model was used for multi-objective alignment (especially the "harmless" and "helpful" alignment) in the Rewards-in-context project of ICML 2024.

@article{yang2024rewards,
  title={Rewards-in-Context: Multi-objective Alignment of Foundation Models with Dynamic Preference Adjustment},
  author={Yang, Rui and Pan, Xiaoman and Luo, Feng and Qiu, Shuang and Zhong, Han and Yu, Dong and Chen, Jianshu},
  journal={International Conference on Machine Learning},
  year={2024}
}

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
GPT2ForSequenceClassification
Ревизия весов
dac1612

0 моделей