/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9 млрд
Размер весов
18,5 ГБ
Лицензия
Gemma
Архитектура
gemma2 · dense
Опубликована
29 июн 2024

Gemma-2-9B-It-SPPO-Iter1

Генерация текстаТекст → текст4 профессии

Диалоговая модель Gemma 2 на 9 млрд параметров, дообученная методом SPPO для генерации ответов на английском языке.

1 536скачиваний за 30 дней4лайкавеса обновлены1 июл 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3082

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3364

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3907

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4099

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0899

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5969

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Gemma-2-9B-It-SPPO-Iter1 — разговорная языковая модель, разработанная командой UCLA-AGI методом Self-Play Preference Optimization на основе google/gemma-2-9b-it. Модель дообучена на синтетических ответах с использованием частей наборов промптов UltraFeedback и предназначена для генерации диалоговых ответов и выравнивания поведения по предпочтениям.

Модель имеет плотную архитектуру Gemma 2 с 9 млрд параметров, принимает текст и генерирует текст; максимальный контекст составляет 8192 токена. Основной язык — английский. В README приведены результаты оценки AlpacaEval для серии итераций SPPO, но показатели для этой версии отдельно не выделены.

Модель подходит для исследовательских и прикладных экспериментов с диалоговой генерацией и оптимизацией предпочтений. Репозиторий содержит веса safetensors. Метаданные указывают лицензию Gemma, тогда как README упоминает Apache-2.0; условия лицензирования следует сверять с актуальными файлами репозитория Hugging Face.

Сценарии применения

  • генерация ответов в англоязычном чат-боте
  • эксперименты с выравниванием языковой модели по предпочтениям
  • сравнение диалоговых моделей на задачах оценки ответов
  • создание синтетических диалоговых ответов

Ограничения

В README нет отдельных результатов AlpacaEval для Iter1, а заявленные там результаты относятся к моделям серии в целом. Источники расходятся по лицензии: метаданные указывают Gemma, README — Apache-2.0.

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

Self-Play Preference Optimization for Language Model Alignment (https://arxiv.org/abs/2405.00675)

Gemma-2-9B-It-SPPO-Iter1

This model was developed using Self-Play Preference Optimization at iteration 1, based on the google/gemma-2-9b-it architecture as starting point. We utilized the prompt sets from the openbmb/UltraFeedback dataset, splited to 3 parts for 3 iterations by snorkelai/Snorkel-Mistral-PairRM-DPO-Dataset. All responses used are synthetic.

Terms of Use: Terms

Links to Other Models

Model Description

  • Model type: A 8B parameter GPT-like model fine-tuned on synthetic datasets.
  • Language(s) (NLP): Primarily English
  • License: Apache-2.0
  • Finetuned from model: google/gemma-2-9b-it

AlpacaEval Leaderboard Evaluation Results

ModelLC. Win RateWin RateAvg. Length
Llama-3-8B-SPPO Iter148.7040.761669
Llama-3-8B-SPPO Iter250.9344.641759
Llama-3-8B-SPPO Iter353.2747.741803

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • eta: 1000
  • per_device_train_batch_size: 8
  • gradient_accumulation_steps: 1
  • seed: 42
  • distributed_type: deepspeed_zero3
  • num_devices: 8
  • optimizer: RMSProp
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_train_epochs: 1.0

Citation

@misc{wu2024self,
      title={Self-Play Preference Optimization for Language Model Alignment}, 
      author={Wu, Yue and Sun, Zhiqing and Yuan, Huizhuo and Ji, Kaixuan and Yang, Yiming and Gu, Quanquan},
      year={2024},
      eprint={2405.00675},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
33cfd69

0 моделей