/ Модель

Характеристики

Контекст
8 192 токена
Параметры
12,9 млрд
Размер весов
52,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-2-13b-hf
Опубликована
13 ноя 2023

tulu-2-dpo-13b

Генерация текстаТекст → текст8 профессий

Англоязычная чат-модель AllenAI на базе Llama 2 13B, дообученная для ответов на инструкции и диалогов с помощью DPO.

457скачиваний за 30 дней21лайквеса обновлены17 мая 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

Tulu V2 DPO 13B — разговорная языковая модель-помощник, разработанная AllenAI и дообученная на основе Meta Llama 2 13B. Модель прошла настройку по инструкциям на смеси открытых, синтетических и созданных людьми данных, а затем выравнивание методом Direct Preference Optimization (DPO) на наборе UltraFeedback. В метаданных указаны архитектура Llama, 12,9 млрд параметров и контекст до 8192 токенов.

Модель предназначена для диалогов с помощником, ответов на инструкции и генерации текста; основной язык — английский. Авторы позиционируют её как альтернативу Llama 2 13B Chat. Для качества ответов рекомендуется использовать предусмотренный моделью формат сообщений с разделителями ролей и завершающим маркером хода ассистента.

Модель не прошла специальное выравнивание для безопасных ответов и может выдавать проблемный контент, особенно по соответствующему запросу. Лицензия указана в карточке как AI2 ImpACT Low-risk; перед использованием следует проверить её условия.

Сценарии применения

  • ответы на пользовательские инструкции на английском языке
  • диалог с виртуальным помощником
  • генерация и продолжение английского текста
  • создание черновиков ответов на вопросы
  • эксперименты с выравниванием языковых моделей методом DPO

Ограничения

Модель не была специально выровнена для безопасной генерации и может выдавать проблемные ответы. Для лучшего качества следует соблюдать формат диалога, указанный в карточке модели.

Для каких профессий подходит8

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 Tulu V2 DPO 13B

Tulu is a series of language models that are trained to act as helpful assistants. Tulu V2 DPO 13B is a fine-tuned version of Llama 2 that was trained on on a mix of publicly available, synthetic and human datasets using Direct Preference Optimization (DPO). This model is a strong alternative to Llama 2 13b Chat.

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

Model description

  • Model type: A model belonging to a suite of instruction and RLHF tuned chat models on a mix of publicly available, synthetic and human-created datasets.
  • Language(s) (NLP): Primarily English
  • License: AI2 ImpACT Low-risk license.
  • Finetuned from model: meta-llama/Llama-2-13b-hf

Model Sources

Performance

ModelSizeAlignmentMT-Bench (score)AlpacaEval (win rate %)
Tulu-v2-7b 🐪7BSFT6.3073.9
Tulu-v2-dpo-7b 🐪7BDPO6.2985.1
Tulu-v2-13b 🐪13BSFT6.7078.9
Tulu-v2-dpo-13b 🐪13BDPO7.0089.5
Tulu-v2-70b 🐪70BSFT7.4986.6
Tulu-v2-dpo-70b 🐪70BDPO7.8995.1

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 a filtered and preprocessed of 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 2 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.

Training hyperparameters

The following hyperparameters were used during DPO training:

  • learning_rate: 5e-07
  • 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

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
8eaeb5c

0 моделей