/ Модель

Характеристики

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

OpenBezoar-HH-RLHF-SFT

Генерация текстаТекст → текст3 профессии

Англоязычная модель генерации текста на базе OpenBezoar-SFT, дообученная на инструкциях из части датасета Anthropic HH-RLHF.

36скачиваний 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-SFT — языковая модель Chandeepa Dissanayake, Lahiru Lowe, Sachith Gunasekara и Yasiru Ratnayake, дополнительно дообученная на инструкциях на базе OpenBezoar-SFT. Она построена на архитектуре Llama и содержит 3,3 млрд параметров; обучение проводилось в течение одной эпохи на первых 100 тыс. примеров датасета Anthropic HH-RLHF. Модель предназначена для генерации ответов на текстовые инструкции и была подготовлена, чтобы уменьшить сдвиг распределения перед последующим выравниванием предпочтений методом DPO.

Для получения ответов на инструкции авторы рекомендуют модифицированный шаблон Alpaca. Модель работает с английским языком, имеет контекстное окно 2048 токенов и распространяется в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Следование инструкциям может быть непоследовательным; модель может зацикливаться или выдавать неподходящий, вредоносный и неотфильтрованный контент. Авторы не рекомендуют полагаться на неё в производственных сценариях; модель не выровнена по человеческим предпочтениям.

Сценарии применения

  • генерация ответов на англоязычные инструкции
  • создание исследовательского базового чекпойнта перед выравниванием DPO
  • эксперименты с дообучением языковых моделей на данных предпочтений

Ограничения

Следование инструкциям может быть непоследовательным, возможны зацикливание и вредоносные либо неподходящие ответы; модель не выровнена по человеческим предпочтениям. Авторы не рекомендуют использовать её в производстве.

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-SFT

The OpenBezoar-HH-RLHF-SFT is an LLM that has been further instruction fine tuned version of OpenBezoar-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. Primary purpose of performing SFT on OpenBezoar-SFT is to minimize the distribution shift before applying Direct Preference Optimization (DPO) for human preferences alignment. 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-SFT"

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.
  • This model is not aligned to human preferences and therefore it may generate harmful and uncensored content.
  • 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
5f1d873

0 моделей