/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Архитектура
opt · dense
Опубликована
23 мая 2023

LongForm-OPT-125M

Генерация текстаТекст → текст7 профессий

Инструктивно настроенная модель OPT на 125M параметров для генерации длинных текстов, ответов на вопросы и создания материалов по заданным инструкциям.

113скачиваний за 30 дней11лайковвеса обновлены5 мар 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

LongForm-OPT-125M — языковая модель для генерации длинных текстов с инструктивной настройкой на наборе LongForm. Модель разработана авторами LongForm на базе архитектуры OPT; в репозитории указано около 151,9 млн параметров, формат весов — PyTorch и SafeTensors, а родной контекст составляет 2048 токенов.

Модель предназначена для генерации текста по инструкциям, включая ответы на вопросы, написание писем, исправление грамматических ошибок, создание историй и стихов, рецептов и кратких пересказов. В описании LongForm сообщается о сравнительной оценке на генерации рецептов, длинных ответах на вопросы ELI5 и коротких рассказах; приведённые результаты относятся к семейству LongForm, а не отдельно к версии 125M.

Данные обучения включают англоязычные документы из C4 и Wikipedia, примеры Stack Exchange и WikiHow, а также задания, инструкции для которых создавались с помощью LLM. Теги карточки также указывают немецкий, итальянский, испанский и французский языки, но описание обучения и задач сосредоточено на английском. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация развернутых ответов на вопросы
  • написание писем по инструкции
  • создание коротких рассказов и стихотворений
  • генерация рецептов
  • суммаризация длинных текстов
  • исправление грамматических ошибок

Ограничения

Модель ориентирована на генерацию длинного текста и ограничена в задачах структурированного предсказания. Возможны галлюцинации, характерные для языковых моделей.

Для каких профессий подходит7

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

LongForm-OPT-125M

The LongForm dataset is created by leveraging English corpus examples with augmented instructions. We select a diverse set of human-written documents from existing corpora such as C4 and Wikipedia and generate instructions for the given documents via LLMs. Then, we extend these examples with structured corpora examples such as Stack Exchange and WikiHow and task examples such as question answering, email writing, grammar error correction, story/poem generation, and text summarization.

Github Repo: https://github.com/akoksal/LongForm The LongForm dataset

For LongForm OPT and LLaMA models: Use [EOI] to indicate the end of instruction.

How to Load

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("akoksal/LongForm-OPT-125M")
tokenizer = AutoTokenizer.from_pretrained("akoksal/LongForm-OPT-125M")

instruction = "Write an essay about meditation. [EOI]"
torch.manual_seed(42)
input_ids = tokenizer(instruction, return_tensors="pt").input_ids
target_ids = model.generate(input_ids, do_sample=True, max_new_tokens=50, top_p=0.9)
tokenizer.decode(target_ids[0])
# Output:
# > Write an essay about meditation. [EOI]Meditation, or 'Maraise', is
# a method that is used to meditate in the Tibetan and Malay Buddhist
# religions. It is a combination of meditation with Tibetan prayer.
# Meditation is an art in itself. Meditation is a form of practice

Evaluation

We provide in-depth evaluation of LongForm models and baselines in the paper. We present the METEOR scores of models in out-of-domain datasets. In all tasks, Recipe Generation (RGen), long-form question answering (ELI5), short story generation (WritingPrompts/WP), LongForm models outperform prior instruction-tuned models.

AllRecipe GenerationELI5Writing Prompts
T0++10.918.73.810.2
Tk-Instruct6.312.9*3.62.4
Flan-T510.620.9*3.57.4
Alpaca-LLaMA-7B14.619.512.511.8
OPT-30B11.118.612.22.6
LongForm-T5-XL16.320.218.310.6
LongForm-OPT-2.7B17.815.517.919.9
LongForm-OPT-6.7B17.716.917.219.0
LongForm-LLaMA-7B‡19.721.718.618.9

Smaller versions of LongForm-OPT models are also available:

‡: We can just release the difference between LongForm-LLaMA-7B and pretrained LLaMA-7B publicly due to restrictions of LLaMA models.

Limitations

The LongForm dataset and models mainly focus on long text generation and have limitations regarding structured prediction tasks in NLP. Additionally, we observe that LongForm models may present hallucination problems similar to those found in LLMs.

License

The LongForm project is subject to a MIT License with custom limitations for restrictions imposed by OpenAI (for the instruction generation part), as well as the license of language models (OPT, LLaMA, and T5). The WikiHow subset of LongForm-C is subject to the license proposed by WikiHow.

Citation

@misc{koksal2023longform,
      title={LongForm: Effective Instruction Tuning with Reverse Instructions}, 
      author={Abdullatif Köksal and Timo Schick and Anna Korhonen and Hinrich Schütze},
      year={2023},
      eprint={2304.08460},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
e0a724b

0 моделей