/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,2 млрд
Архитектура
olmo · dense
Библиотека
transformers
Опубликована
30 ноя 2024

OLMo-1B-hf-PPO-constitution-1

Генерация текстаТекст → текст4 профессии

Дообученная языковая модель OLMo на 1,2 млрд параметров для генерации диалоговых ответов.

19скачиваний за 30 дней0лайковвеса обновлены1 дек 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

Shahradmz создал OLMo-1B-hf-PPO-constitution-1 — дообученную с помощью TRL языковую модель семейства OLMo для генерации текста в диалоговом формате. Пример в карточке показывает, как передать вопрос пользователя и получить ответ; метаданные также отмечают поддержку чата.

Модель построена на плотной архитектуре OlmoForCausalLM и содержит 1,2 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст длиной до 2048 токенов и распространяется в формате safetensors. Лицензия и целевой язык в доступных сведениях не указаны.

Сценарии применения

  • генерация ответов на вопросы в чате
  • создание диалогового прототипа на базе OLMo
  • тестирование PPO-дообученной языковой модели

Ограничения

Контекст ограничен 2048 токенами. Язык и лицензия в предоставленных данных не указаны.

Для каких профессий подходит4

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

Model Card for OLMo-1B-hf-PPO-constitution-1

This model is a fine-tuned version of None. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="Shahradmz/OLMo-1B-hf-PPO-constitution-1", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with PPO, a method introduced in Fine-Tuning Language Models from Human Preferences.

Framework versions

  • TRL: 0.12.1
  • Transformers: 4.46.2
  • Pytorch: 2.5.1
  • Datasets: 3.1.0
  • Tokenizers: 0.20.3

Citations

Cite PPO as:

@article{mziegler2019fine-tuning,
    title        = {{Fine-Tuning Language Models from Human Preferences}},
    author       = {Daniel M. Ziegler and Nisan Stiennon and Jeffrey Wu and Tom B. Brown and Alec Radford and Dario Amodei and Paul F. Christiano and Geoffrey Irving},
    year         = 2019,
    eprint       = {arXiv:1909.08593}
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OlmoForCausalLM
Ревизия весов
3c9b3e4

0 моделей