/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
llama · dense
Базовая модель
OpenBezoar-HH-RLHF-SFT
Опубликована
19 сен 2023

OpenBezoar-HH-RLHF-DPO

Генерация текстаТекст → текст3 профессии

Англоязычная модель Llama на 3,3 млрд параметров, дообученная DPO для генерации текста и ответов на инструкции с учётом человеческих предпочтений.

25скачиваний за 30 дней0лайковвеса обновлены15 фев 2025

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

OpenBezoar-HH-RLHF-DPO — языковая модель команды авторов Chandeepa Dissanayake, Lahiru Lowe, Sachith Gunasekara и Yasiru Ratnayake, предназначенная для генерации текста и ответов на инструкции. Это плотная авторегрессионная модель семейства Llama с 3,3 млрд параметров, основанная на OpenBezoar-HH-RLHF-SFT и дообученная методом Direct Preference Optimization (DPO) на части датасета Anthropic HH-RLHF; обучение DPO длилось одну эпоху. Модель рассчитана на английский язык, использует контекст до 2048 токенов и распространяется в форматах PyTorch и Safetensors.

Для инструкций рекомендуется модифицированный шаблон Alpaca с секциями System, Instruction и Response; в карточке указано, что в конце шаблона не добавляется токен EOS. Модель может не всегда лучше следовать инструкциям, иногда выдавать неподходящие ответы или зацикливаться. Она не гарантирует отказ от вредоносной генерации, и авторы предостерегают от использования в производственной среде. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Сценарии применения

  • генерация ответов на текстовые инструкции
  • диалоговые ответы на английском языке
  • эксперименты с выравниванием LLM по человеческим предпочтениям
  • сравнение методов SFT и DPO на данных HH-RLHF

Ограничения

Следование инструкциям может быть непоследовательным; возможны неподходящие ответы и зацикливание. Модель не гарантирует отказ от вредоносного контента, а авторы предостерегают от производственного использования.

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

OpenBezoar-HH-RLHF-DPO

The OpenBezoar-HH-RLHF-DPO is an LLM that has been fine tuned for human preferences alignment using Direct Preference Optimization (DPO), on top of OpenBezoar-HH-RLHF-SFT model on a subset of Anthropic's HH-RLHF Dataset.

Model Details

Model Description

OpenBezoar-HH-RLHF-SFT is an LLM that is built upon the OpenLLaMA 3B v2 architecture. This model has been fine-tuned for human preferences alignment using DPO. Alignment has been performed on top of the OpenBezoar-HH-RLHF-SFT model. For more information please refer to our paper.

Model Sources

Instruction Format

We follow a modified version of the Alpaca prompt template as shown below. It is important to utilize this template in order to obtain best responses for instruction related tasks.

### System:
Below is an instruction that describes a task, optionally paired with an input that provides further context following that instruction. Write a response that appropriately completes the request.

### Instruction:
{instruction}

### Response:

Notice that no end-of-sentence (eos) token is being appended.

Note: The system prompt shown in the following figure is the one that the model has been trained on most of the time. However, you may attempt to use any other system prompt that is available in the Orca scheme.

Usage

from peft import PeftConfig, PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig, AutoModelForSeq2SeqLM

checkpoint =  "SurgeGlobal/OpenBezoar-HH-RLHF-DPO"

tokenizer = AutoTokenizer.from_pretrained(checkpoint)

model = AutoModelForCausalLM.from_pretrained(
	checkpoint,
	load_in_4bit=True, # optionally for low resource environments
	device_map="auto"
)

prompt =  """### System:
Below is an instruction that describes a task, optionally paired with an input that provides further context following that instruction. Write a response that appropriately completes the request.

### Instruction:
{instruction}

### Response:""".format(
	instruction="What is the world state in the year 1597."
)

inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(**inputs, max_new_tokens=1024, do_sample=True)

print(tokenizer.decode(outputs[0]))

Evaluations

Refer to our self-reported evaluations in our paper (Section 4).

Limitations

  • The model might not consistently show improved abilities to follow instructions, and it could respond inappropriately or get stuck in loops.
  • Although this model is aligned to human preferences and has been evaluated for performance, it is not guaranteed that it will refrain from generating harmful content exclusively.
  • Caution is urged against relying on this model for production or adjacent use-cases.

Citation

If you find our work useful, please cite our paper as follows:

@misc{surge2024openbezoar,
      title={OpenBezoar: Small, Cost-Effective and Open Models Trained on Mixes of Instruction Data}, 
      author={Chandeepa Dissanayake and Lahiru Lowe and Sachith Gunasekara and Yasiru Ratnayake},
      year={2024},
      eprint={2404.12195},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Model Authors

Chandeepa Dissanayake, Lahiru Lowe, Sachith Gunasekara, and Yasiru Ratnayake

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
90c8fe7

0 моделей