DPO finetune of our MetaMath SFT Model on the Truthy DPO dataset
Evaluation Results
| Average | ARC | HellaSwag | MMLU | TruthfulQA | Winogrande | GSM8K |
|---|---|---|---|---|---|---|
| 75.54 | 69.20 | 84.34 | 76.46 | 67.58 | 82.87 | 72.78 |
Характеристики
- Контекст
- 200 000 токенов
- Параметры
- 33,9 млрд
- Размер весов
- 68,8 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- llama · dense
- Опубликована
- 25 янв 2024
Ссылки
MetaMath-Bagel-DPO-34B
Диалоговая модель AbacusAI на базе Llama, дообученная методом DPO для генерации ответов и решения математических и общеобразовательных задач.
72скачиваний за 30 дней15лайковвеса обновлены26 янв 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
abacusai/MetaMath-Bagel-DPO-34B — плотная авторегрессионная языковая модель семейства Llama с 33,9 млрд параметров, разработанная AbacusAI. Это DPO-дообучение модели MetaMath SFT на наборе Truthy DPO; карточка приводит результаты по ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K.
Модель предназначена для диалоговой генерации текста и ответов на вопросы, в том числе математические и общеобразовательные. В метаданных указан контекст длиной до 200 000 токенов и формат весов safetensors. Лицензия — Apache-2.0.
Сценарии применения
- решение математических задач и примеров
- ответы на общеобразовательные вопросы
- диалоговое взаимодействие с языковой моделью
- генерация ответов на длинные текстовые запросы
Ограничения
Результаты оценки приведены для ограниченного набора бенчмарков; они не гарантируют качество на других задачах. Языки обучения и поддерживаемые языки в предоставленных данных не указаны.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- eee432c