/ Модель

Характеристики

Контекст
8 192 токена
Параметры
8,2 млрд
Размер весов
17,1 ГБ
Лицензия
Gemma
Архитектура
gemma · dense
Базовая модель
zephyr-7b-gemma-sft-v0.1
Опубликована
12 июн 2024

DiscoPOP-zephyr-7b-gemma

Генерация текстаТекст → текст6 профессий

Диалоговая модель Gemma на 8,2 млрд параметров, дообученная с DiscoPOP для генерации текста и ответов в чате.

125скачиваний за 30 дней37лайковвеса обновлены13 июн 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

SakanaAI/DiscoPOP-zephyr-7b-gemma — диалоговая языковая модель Sakana AI, полученная дообучением HuggingFaceH4/zephyr-7b-gemma-sft-v0.1 на наборе argilla/dpo-mix-7k с применением алгоритма DiscoPOP (Discovered Preference Optimization). По сравнению с моделью Zephyr Gemma, обученной с DPO, здесь использован DiscoPOP для оптимизации предпочтений ответов.

Модель построена на плотной архитектуре GemmaForCausalLM и содержит 8,2 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Модель распространяется под лицензией Gemma. Карточка не приводит подробных оценок качества или отдельных ограничений применения.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация текста по запросу
  • создание разговорного ассистента
  • сравнение алгоритмов оптимизации предпочтений

Ограничения

Модель основана на Gemma и наследует её ограничения; карточка не содержит отдельных оценок качества или подробного описания ограничений DiscoPOP-варианта.

Для каких профессий подходит6

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

DiscoPOP-zephyr-7b-gemma

This model is a fine-tuned version of HuggingFaceH4/zephyr-7b-gemma-sft-v0.1 on the argilla/dpo-mix-7k dataset.

This model is from the paper "Discovering Preference Optimization Algorithms with and for Large Language Models"

Read the blog post on it here!

See the codebase to generate it here: https://github.com/SakanaAI/DiscoPOP

Model description

This model is identical in training to HuggingFaceH4/zephyr-7b-gemma-v0.1, except instead of using Direct Preference Optimization (DPO), it uses DiscoPOP.

DiscoPOP is our Discovered Preference Optimization algorithm, which is defined as follows:

def log_ratio_modulated_loss(
    self,
    policy_chosen_logps: torch.FloatTensor,
    policy_rejected_logps: torch.FloatTensor,
    reference_chosen_logps: torch.FloatTensor,
    reference_rejected_logps: torch.FloatTensor,
) -> torch.FloatTensor:
    pi_logratios = policy_chosen_logps - policy_rejected_logps
    ref_logratios = reference_chosen_logps - reference_rejected_logps
    logits = pi_logratios - ref_logratios
    # Modulate the mixing coefficient based on the log ratio magnitudes
    log_ratio_modulation = torch.sigmoid(logits)
    logistic_component = -F.logsigmoid(self.beta * logits)
    exp_component = torch.exp(-self.beta * logits)
    # Blend between logistic and exponential component based on log ratio modulation
    losses = logistic_component * (1 - log_ratio_modulation) + exp_component * log_ratio_modulation
    return losses

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 2
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.1.2+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
161d63f

0 моделей