/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
5,6 ГБ
Лицензия
Своя лицензия
Архитектура
phi-msft · dense
Опубликована
22 дек 2023

phi-2-sft-dpo-gpt4_en-ep1

Генерация текстаТекст → текст5 профессий

Дообученная на базе Phi-2 модель для генерации текста и диалоговых ответов, оптимизированная с помощью SFT и DPO.

32скачиваний за 30 дней8лайковвеса обновлены23 дек 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Yhyu13/phi-2-sft-dpo-gpt4_en-ep1 — объединённая модель на базе Phi-2, созданная путём дообучения с supervised fine-tuning и DPO; автор описывает её как улучшение для диалоговых ответов. По README, модель связана с экспериментами на наборе AlpacaEval и, по оценке автора, выдаёт более длинные ответы, чем предыдущая версия SFT. Она предназначена для генерации текста и ответов на пользовательские запросы.

Архитектура — плотная причинная языковая модель PhiForCausalLM; размер в метаданных не приведён, родительская Phi-2 использует контекст до 2048 токенов. Репозиторий содержит веса Safetensors. Указана лицензия other; конкретные условия следует сверять с карточкой модели и лицензией базовой модели.

Сценарии применения

  • генерация развернутых ответов на запросы
  • диалоговый помощник общего назначения
  • ответы на инструкции в стиле Alpaca
  • экспериментальная оценка качества ответов на AlpacaEval

Ограничения

В README приведена только оценка автора на AlpacaEval с судейством ChatGPT, без воспроизводимых результатов в доступном тексте; также автор отмечает, что DPO-версия склонна выдавать более длинные ответы. Контекст ограничен 2048 токенами.

Для каких профессий подходит5

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

This is the merged model for LoRA https://huggingface.co/Yhyu13/phi-2-sft-dpo-gpt4_en-ep1-lora

This model is a dpo improvement to this base model https://huggingface.co/Yhyu13/phi-2-sft-alpaca_gpt4_en-ep1 who achieve better than text-davinci-003 on AlpcaEval judged by ChatGPT.

AlpacaEval

Quote from this discussion https://huggingface.co/microsoft/phi-2/discussions/38

Since phi2 requires remote code which HF open llm leaderboard would not accept at this moment,

I ran phi2 and my dpo to the AlpcaEval benchmark

https://tatsu-lab.github.io/alpaca_eval/

Here is result evaluated by chatpgpt https://github.com/tatsu-lab/alpaca_eval/pull/183

                       win_rate  standard_error  n_total  avg_length
gpt4                      73.79            1.54      805        1365
claude                    70.37            1.60      805        1082
chatgpt                   66.09            1.66      805         811
wizardlm-13b              65.16            1.67      805         985
vicuna-13b                64.10            1.69      805        1037
guanaco-65b               62.36            1.71      805        1249
oasst-rlhf-llama-33b      62.05            1.71      805        1079
alpaca-farm-ppo-human     60.25            1.72      805         803
falcon-40b-instruct       56.52            1.74      805         662
phi-2-alpaca-gpt4-dpo(new)55.60            1.75      804        4532
phi-2-alpaca-gpt4(new)    54.23            1.75      804        1138
text_davinci_003          50.00            0.00      805         307
alpaca-7b                 45.22            1.74      805         396
phi-2(new)                43.79            1.74      805         924
text_davinci_001          28.07            1.56      805         296

phi-2-alpaca-gpt4-dpo is only slightly better than my previous sft phi-2-alpaca-gpt4, when evaluted by chatgpt, but the dpo tuned model outputs significantly longer result!

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
PhiForCausalLM
Ревизия весов
43b1a6a

0 моделей