/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
4 мая 2024

Mistral7B-PairRM-SPPO-Iter3

Генерация текстаТекст → текст8 профессий

Англоязычная диалоговая модель Mistral на 7,1 млрд параметров, дообученная методом Self-Play Preference Optimization для ответов на запросы и следования инструкциям.

8 559скачиваний за 30 дней5лайковвеса обновлены7 мая 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

    0,4351

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0234

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2752

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2658

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4397

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4071

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mistral7B-PairRM-SPPO-Iter3 — языковая модель UCLA-AGI, дообученная методом Self-Play Preference Optimization на третьем этапе. Она основана на mistralai/Mistral-7B-Instruct-v0.2 и содержит 7,1 млрд параметров; модель Mistral с плотной архитектурой предназначена для диалоговой генерации текста. Для обучения использовались промпты из UltraFeedback, разделённые на три части, и синтетические ответы. Контекст модели составляет 32 768 токенов.

Модель рассчитана прежде всего на англоязычный диалог: ответы на вопросы, следование инструкциям и ведение беседы. В карточке приведены результаты AlpacaEval, Arena-Hard, MT-Bench и Open LLM Leaderboard, но они не гарантируют качество на конкретных запросах. Доступна под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы на английском языке
  • диалоговый помощник для англоязычных пользователей
  • выполнение инструкций на естественном языке
  • генерация развёрнутых текстовых ответов

Ограничения

Модель обучалась на синтетических ответах и ориентирована преимущественно на английский язык. Приведённые в карточке результаты бенчмарков не гарантируют качество для конкретного сценария.

Для каких профессий подходит8

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

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

Mistral7B-PairRM-SPPO-Iter3

This model was developed using Self-Play Preference Optimization at iteration 3, based on the mistralai/Mistral-7B-Instruct-v0.2 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.

This is the model reported in the paper , with K=5 (generate 5 responses per iteration). We attached the Arena-Hard eval results in this model page.

Links to Other Models

Model Description

  • Model type: A 7B parameter GPT-like model fine-tuned on synthetic datasets.
  • Language(s) (NLP): Primarily English
  • License: Apache-2.0
  • Finetuned from model: mistralai/Mistral-7B-Instruct-v0.2

AlpacaEval Leaderboard Evaluation Results

ModelLC. Win RateWin RateAvg. Length
Mistral7B-PairRM-SPPO Iter 124.7923.511855
Mistral7B-PairRM-SPPO Iter 226.8927.622019
Mistral7B-PairRM-SPPO Iter 328.5331.022163
Mistral7B-PairRM-SPPO Iter 1 (best-of-16)28.7127.771901
Mistral7B-PairRM-SPPO Iter 2 (best-of-16)31.2332.122035
Mistral7B-PairRM-SPPO Iter 3 (best-of-16)32.1334.942174

Arena-Hard Evaluation Results

ModelScore95% CIaverage # Tokens
Mistral7B-PairRM-SPPO-Iter323.3(-1.8, 1.8)578

Open LLM Leaderboard Evaluation Results

Results are reported by using lm-evaluation-harness v0.4.1

arc_challengetruthfulqa_mc2winograndegsm8khellaswagmmluaverage
Mistral7B-PairRM-SPPO Iter 165.0269.477.8243.8285.1158.8466.67
Mistral7B-PairRM-SPPO Iter 265.5369.5577.0344.3585.2958.7266.75
Mistral7B-PairRM-SPPO Iter 365.3669.9776.842.6885.1658.4566.4

MT-Bench Evaluation Results

1st Turn2nd TurnAverage
Mistral7B-PairRM-SPPO Iter 17.636.797.21
Mistral7B-PairRM-SPPO Iter 27.907.087.49
Mistral7B-PairRM-SPPO Iter 37.847.347.59

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: 18.0 (stop at epoch=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
MistralForCausalLM
Ревизия весов
72cd8e5

0 моделей