/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
tulu-2-13b
Опубликована
11 июн 2024

tulu-v2.5-dpo-13b-stackexchange-60k

Генерация текстаТекст → текст6 профессий

Англоязычная чат-модель AllenAI на базе Tulu 2, дообученная методом DPO на 60 тысячах пар StackExchange для ответов на вопросы и диалогов с помощником.

176скачиваний за 30 дней1лайквеса обновлены14 июн 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 V2.5 DPO 13B StackExchange 60k — англоязычная чат-модель от Allen Institute for AI (AI2), созданная для диалогов с помощником и генерации текста. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом до 4096 токенов; она принимает текст и выдаёт текст.

Модель дообучена методом DPO на случайной подвыборке из 60 тысяч пар предпочтений StackExchange, начиная с Tulu 2; в основе — allenai/tulu-2-13b, дообученная на инструкциях Llama 2. Её можно использовать для ответов на вопросы, помощи с инструкциями и ведения англоязычных диалогов. Для лучшего качества следует соблюдать шаблон сообщений, встроенный в токенизатор.

Модель распространяется по лицензии Apache 2.0. В карточке отмечено, что в ходе RLHF модель не обучали выдавать безопасные ответы и не применяли фильтрацию ответов во время использования; она может генерировать проблемный контент, особенно по соответствующему запросу.

Сценарии применения

  • ответы на вопросы по темам StackExchange
  • англоязычный диалог с виртуальным помощником
  • выполнение текстовых инструкций
  • генерация ответов и пояснений на английском

Ограничения

Модель может выдавать проблемный контент, поскольку её не обучали специально генерировать безопасные ответы и не использовали фильтрацию во время работы. Для качества генерации важно соблюдать встроенный шаблон чата.

Для каких профессий подходит6

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 V2.5 DPO 13B - StackExchange 60k

Tulu is a series of language models that are trained to act as helpful assistants. Tulu V2.5 is a series of models trained using DPO and PPO starting from the Tulu 2 suite. This model is trained on a 60k random subsample of the StackExchange paired dataset using DPO.

For more details, read the paper: Unpacking DPO and PPO: Disentangling Best Practices for Learning from Preference Feedback.

.Model description

  • Model type: One model belonging to a suite of RLHF tuned chat models on a mix of publicly available, synthetic and human-created datasets.
  • Language(s) (NLP): English
  • License: Apache 2.0.
  • Finetuned from model: meta-llama/Llama-2-13b-hf

Model Sources

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. We have included a chat template in the tokenizer implementing this template.

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 dataset mentioned above.

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 2.5 is useful in your work, please cite it with:

@misc{ivison2024unpacking,
      title={{Unpacking DPO and PPO: Disentangling Best Practices for Learning from Preference Feedback}}, 
      author={{Hamish Ivison and Yizhong Wang and Jiacheng Liu and Ellen Wu and Valentina Pyatkin and Nathan Lambert and Yejin Choi and Noah A. Smith and Hannaneh Hajishirzi}}
      year={2024},
      eprint={2406.09279},
      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
LlamaForCausalLM
Ревизия весов
11e4cbf

0 моделей