/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Опубликована
9 сен 2024

reflection-llama-3.1-8B

Генерация текстаТекст → текст11 профессий

Дообученная Llama 3.1 на 7,5 млрд параметров, которая генерирует ответы с явным этапом рассуждения и самопроверки.

27скачиваний за 30 дней4лайкавеса обновлены24 сен 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

Модель Solshine/reflection-llama-3.1-8B — разговорная языковая модель семейства Llama 3.1, разработанная Solshine (Caleb DeLeeuw) и дообученная на предыдущем чекпойнте этой серии методом итеративного reflection tuning. Она генерирует рассуждение в специальных тегах, может отмечать и исправлять ошибки в ходе рассуждения, а затем выдаёт итоговый ответ в отдельных тегах. Для диалогов используется стандартный формат чата Llama 3.1.

Модель предназначена для генерации ответов и решения задач, где полезны пошаговое рассуждение и самопроверка, в том числе математических текстовых задач. В карточке указаны 7,5 млрд параметров и контекст до 131 072 токенов; доступны интерфейсы чата и вызова инструментов. Обучение проведено с использованием Unsloth и TRL на данных Reflection-Dataset-v2 и orca-math-word-reflection. Основной язык карточки — английский.

Официальных результатов бенчмарков пока нет, поэтому качество рассуждений и ответов не подтверждено независимой оценкой. Модель распространяется по лицензии Llama 3.1; применимость лицензии и её условия следует учитывать при использовании.

Сценарии применения

  • ответы на вопросы в диалоговом формате
  • решение математических текстовых задач
  • генерация ответов с пошаговым рассуждением
  • самопроверка и исправление ошибок в ответе
  • вызов инструментов в разговорном приложении

Ограничения

Модель ещё не имеет официальных результатов бенчмарков, поэтому её качество не подтверждено оценками. Рассуждения в специальных тегах сами по себе не гарантируют правильность ответов.

Для каких профессий подходит11

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 model is TrainRound5, following Solshine/reflection-llama-3.1-8B-Solshine-trainround4-16bit in an iterative fine-tuning process

Not Officially Benchmarked Yet! (Please submit any benchmarking or eval results via the Community tab.)

Uploaded model

  • Developed by: Solshine (Caleb DeLeeuw)
  • License: llama 3.1
  • Finetuned from model : Solshine/reflection-llama-3.1-8B-Solshine-trainround4-16bit

This model, trained on chain of thoughts within the reinforcement learning, predates OpenAI's o1 model. Inspired by and featuring the Reflection Tuning technique pioneered by Matt Shumer (possibly earlier innovated by the team at Anthropic, and Mlabbone' Hermes.)

To the authors' knowledge, this is V5 of the first "reflection tuned" Llama 3.1 8B LLM

As per the inspiring model "mattshumer/Reflection-Llama-3.1-70B" (this mode was not used in the training process nor as a foundational model, but only served as inspiration) :

'''

During sampling, the model will start by outputting reasoning inside and tags, and then once it is satisfied with its reasoning, it will output the final answer inside and tags. Each of these tags are special tokens, trained into the model.

This enables the model to separate its internal thoughts and reasoning from its final answer, improving the experience for the user.

Inside the section, the model may output one or more tags, which signals the model has caught an error in its reasoning and will attempt to correct it before providing a final answer.

System Prompt: The system prompt used for training this model is:

You are a world-class AI system, capable of complex reasoning and reflection. Reason through the query inside tags, and then provide your final response inside tags. If you detect that you made a mistake in your reasoning at any point, correct yourself inside tags.

We recommend using this exact system prompt to get the best results from Reflection Llama-3.1 70B. You may also want to experiment combining this system prompt with your own custom instructions to customize the behavior of the model.

Chat Format: As mentioned above, the model uses the standard Llama 3.1 chat format. Here’s an example:

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

You are a world-class AI system, capable of complex reasoning and reflection. Reason through the query inside tags, and then provide your final response inside tags. If you detect that you made a mistake in your reasoning at any point, correct yourself inside tags.<|eot_id|><|start_header_id|>user<|end_header_id|>

what is 2+2?<|eot_id|><|start_header_id|>assistant<|end_header_id|>

'''

This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
d13cd64

0 моделей