/ 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-Iter3

Генерация текстаТекст → текст3 профессии

Дообученная методом SPPO англоязычная диалоговая модель Gemma 2 с 9 млрд параметров для генерации ответов.

1 585скачиваний за 30 дней128лайковвеса 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.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4166

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6007

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3167

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3389

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,071

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3826

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Gemma-2-9B-It-SPPO-Iter3 — диалоговая языковая модель UCLA-AGI, полученная дообучением google/gemma-2-9b-it методом Self-Play Preference Optimization (SPPO), итерация 3. Для оптимизации использовались разделённые на три части наборы запросов из UltraFeedback; все ответы в обучении были синтетическими.

Модель предназначена для генерации ответов в диалоге и выравнивания поведения языковой модели по предпочтениям. Это плотная трансформерная модель Gemma 2 с 9 млрд параметров и контекстом до 8192 токенов; основным языком заявлен английский. В README приведены результаты AlpacaEval: для третьей итерации указаны win rate 47,74% и length-controlled win rate 53,27%.

В метаданных указана лицензия Gemma, тогда как README заявляет Apache-2.0, поэтому условия лицензирования следует проверить по актуальным условиям распространения репозитория и базовой модели. Модель не описана как специализированная для конкретной отрасли; обучение на синтетических ответах и англоязычная ориентация ограничивают основания для выводов о качестве на других языках и задачах.

Сценарии применения

  • ответы на пользовательские запросы в диалоге
  • генерация развернутых ответов на английском языке
  • сравнительная оценка качества диалоговых моделей
  • эксперименты с выравниванием языковых моделей по предпочтениям

Ограничения

Основной заявлен английский язык, а обучающие ответы были синтетическими; качество для других языков и областей отдельно не подтверждено. README и метаданные расходятся по лицензии, поэтому её следует сверить перед использованием.

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

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

Gemma-2-9B-It-SPPO-Iter3

This model was developed using Self-Play Preference Optimization at iteration 3, 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
Gemma-2-9B-SPPO Iter148.7040.761669
Gemma-2-9B-SPPO Iter250.9344.641759
Gemma-2-9B-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
2261f2a

0 моделей