/ Модель

Характеристики

Контекст
32 764 токена
Параметры
68,7 млрд
Размер весов
138 ГБ
Архитектура
llama · dense
Опубликована
6 фев 2024

Miqu-70B-Alpaca-DPO

Генерация текстаТекст → текст3 профессии

Дообученная DPO на базе Miqu языковая модель на 68,7 млрд параметров для генерации текста и ответов на инструкции в формате Alpaca.

66скачиваний за 30 дней7лайковвеса обновлены8 фев 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 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

Undi95/Miqu-70B-Alpaca-DPO — плотная языковая модель семейства Llama с 68,7 млрд параметров, представленная в формате PyTorch FP16. Это версия Miqu, дообученная методом DPO на наборах ToxicDPOqa и toxic-dpo-v0.1-NoWarning в формате Alpaca, чтобы расширить ответы базовой модели и сделать работу с инструкциями Alpaca удобнее. Модель также поддерживает простой формат Mistral.

Модель предназначена для генерации текста и диалоговых ответов по инструкциям. В карточке заявлено, что она может отвечать на более широкий круг запросов, однако эффект дообучения ограничен: автор отмечает, что базовая Miqu остаётся сильно ограниченной вне ролевых сценариев, а модель иногда выдаёт неэтичные ответы. Для полной реализации потенциала автор указывает на необходимость объединения с MiquMaid. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов на инструкции в формате Alpaca
  • ведение диалогов с языковой моделью
  • эксперименты с DPO-дообучением модели Miqu
  • проверка поведения модели на запросах с ограниченной модерацией

Ограничения

Автор отмечает, что эффект снятия ограничений невелик: модель сохраняет ограничения базовой Miqu и иногда может выдавать неэтичные ответы. В предоставленных данных лицензия не указана.

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

Miqu DPO

Miqu DPO is the same model than Miqu, with a DPO trained on MiquMaid v2 on Alpaca format, it was done for the purpose to try to uncensor further Miqu and make Alpaca prompt more usable with base Miqu. Also, this will be one of the base for MiquMaid-v2-2x70B-DPO.

Miqu base is REALLY censored outside RP, this LoRA let him reply a little more thing, but that's it. To have his full potential, it need to be in a merge/MoE of MiquMaid, since the loRA was based for MiquMaid, not Miqu base. I still let it public for who want it.

It uncensor a little the model, but keep some warning. Sometime reply really unethically.

Description

This repo contains FP16 files of Miqu-70B-DPO.

Dataset used

  • NobodyExistsOnTheInternet/ToxicDPOqa
  • Undi95/toxic-dpo-v0.1-NoWarning

Prompt format: Alpaca

### Instruction:
{prompt}

### Input:
{input}

### Response:
{output}

Or simple Mistral format (but the uncensoring was done on Alpaca, so Alpaca is recommanded).

Others

If you want to support me, you can here.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
f7ee9b9

0 моделей