/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
llama-3-tulu-2-70b
Опубликована
20 июн 2024

llama-3-tulu-2-dpo-70b

Генерация текстаТекст → текст15 профессий

Англоязычная диалоговая модель AllenAI на базе Llama 3, дообученная методом DPO для выполнения инструкций и генерации ответов.

152скачиваний за 30 дней0лайковвеса обновлены5 авг 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

Llama 3 Tulu V2+DPO 70B — языковая модель-инструкция от Allen Institute for AI (AI2), созданная дообучением Llama 3 Tulu 2 70B на предпочтениях UltraFeedback методом DPO. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров, предназначенная для диалогов и выполнения пользовательских инструкций; принимает текст и генерирует текст. Основной язык — английский, а длина контекста составляет 2048 токенов.

Модель подходит для диалоговых помощников, ответов на вопросы, следования инструкциям и генерации текста. В опубликованных оценках показаны результаты на тестах знаний, математики, программирования, следования инструкциям и предпочтений. Модель не проходила этап RLHF для безопасных ответов и не имеет встроенной фильтрации, поэтому может генерировать проблемный контент, особенно по прямому запросу. Выпущена под лицензией Apache 2.0; в карточке также отмечено наличие лицензии сообщества Meta Llama 3.

Сценарии применения

  • диалоговый помощник на английском языке
  • ответы на вопросы по пользовательскому запросу
  • выполнение инструкций в текстовом чате
  • генерация связных текстовых ответов
  • помощь с задачами по математике и программированию

Ограничения

Модель не была специально выровнена для безопасных ответов и не использует встроенную фильтрацию, поэтому может выдавать проблемный контент. Контекст ограничен 2048 токенами.

Для каких профессий подходит15

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

Model Card for Llama 3 Tulu V2+DPO 70B

Tulu is a series of language models that are trained to act as helpful assistants. Llama 3 Tulu V2 70B is a fine-tuned version of Llama 3 that was trained on a mix of publicly available, synthetic and human datasets. It was then further trained using [DPO]((https://arxiv.org/abs/2305.18290) on the UltraFeedback dataset.

For more details on the training mixture, read the paper: Camels in a Changing Climate: Enhancing LM Adaptation with Tulu 2 .

Built with Meta Llama 3! Note that Llama 3 is released under the Meta Llama 3 community license, included here under llama_3_license.txt.

Model description

  • Model type: A model trained on a mix of publicly available, synthetic and human-created datasets.
  • Language(s) (NLP): Primarily English
  • License: Apache 2.0
  • Finetuned from model: meta-llama/Meta-Llama-3-70B

Model Sources

Performance

ModelMMLU 5-shotGSM8k 8-shot cotBBH 3-shot cotTydiQA 1-shot Gold PassageCodex HumanEval Pass@10AlpacaEval 1AlpacaEval 2 LCTruthfulQA %Info+TrueIFEval loose accXSTest safe but ref.XSTest unsafe but followAverage
Llama 3 8b base0.6490.5650.65366.800.664--0.2990.1460.2000.39054.36
Llama 3 8b instruct0.6260.7700.60659.040.79994.6523.120.6820.7410.0280.11570.36
Llama 3 Tulu 2 8b0.6060.6100.59256.240.68579.4010.160.5030.4680.0920.16559.39
Llama 3 Tulu 2+DPO 8b0.6090.6500.58421.180.68893.0213.940.6980.5180.0920.16559.61
Llama 3 70b base0.7900.8400.80173.350.745--0.4690.1630.2560.33065.60
Llama 3 70b instruct0.7860.9300.80159.210.90896.7139.990.7010.8280.0600.14079.22
Llama 3 Tulu 2 70b0.7520.8450.77969.7980.86186.00717.510.6460.5910.1080.13073.01
Llama 3 Tulu 2+DPO 70b (this model)0.7540.8600.78523.4430.87896.6527.340.7800.6430.0800.14071.60

We also release reward models based off Llama 3 8b and 70b respectively:

Input Format

The model is trained to use the following format (note the newlines):

<|user|>
Your message here!
<|assistant|>

For best results, format all inputs in this manner. Make sure to include a newline after <|assistant|>, this can affect generation quality quite a bit.

Intended uses & limitations

The model was initially fine-tuned on the Tulu V2 mix dataset, which contains a diverse range of human created instructions and synthetic dialogues generated primarily by other LLMs. We then further aligned the model with a Jax DPO trainer built on EasyLM on the openbmb/UltraFeedback dataset, which contains 64k prompts and model completions that are ranked by GPT-4.

Bias, Risks, and Limitations

The Tulu models have not been aligned to generate safe completions within the RLHF phase or deployed with in-the-loop filtering of responses like ChatGPT, so the model can produce problematic outputs (especially when prompted to do so). It is also unknown what the size and composition of the corpus was used to train the base Llama 3 models, however it is likely to have included a mix of Web data and technical sources like books and code. See the Falcon 180B model card for an example of this.

DPO Training hyperparameters

The following hyperparameters were used during DPO training:

  • learning_rate: 5e-7
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3.0

Citation

If you find Tulu 2 is useful in your work, please cite it with:

@misc{ivison2023camels,
      title={Camels in a Changing Climate: Enhancing LM Adaptation with Tulu 2}, 
      author={Hamish Ivison and Yizhong Wang and Valentina Pyatkin and Nathan Lambert and Matthew Peters and Pradeep Dasigi and Joel Jang and David Wadden and Noah A. Smith and Iz Beltagy and Hannaneh Hajishirzi},
      year={2023},
      eprint={2311.10702},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Model card adapted from Zephyr Beta

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
e37e572

0 моделей