Характеристики

Контекст: 8 192 токена
Параметры: 7,5 млрд
Размер весов: 16,1 ГБ
Лицензия: Apache 2.0
Архитектура: llama · dense
Базовая модель: Llama-3.1-8B
Библиотека: transformers
Опубликована: 1 дек 2024

Ссылки

Hugging Face

LLAMA_Harsha_8_B_ORDP_10k

asharsha30

Генерация текстаТекст → текст6 профессий

Дообученная на ORPO чат-модель Llama для генерации текста и ответов на вопросы на английском языке.

23скачиваний за 30 дней0лайковвеса обновлены2 дек 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.

Открыть конструктор бенчмарка

Публичные оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

BBH
BBH Raw · выше — лучше
Результат
0,4669
Open LLM v2 · архив
Публичная таблицадругая ревизия
MATH Lvl 5
MATH Lvl 5 Raw · выше — лучше
Результат
0,0665
Open LLM v2 · архив
Публичная таблицадругая ревизия
IFEval
IFEval Raw · выше — лучше
Результат
0,3464
Open LLM v2 · архив
Публичная таблицадругая ревизия
MMLU-PRO
MMLU-PRO Raw · выше — лучше
Результат
0,281
Open LLM v2 · архив
Публичная таблицадругая ревизия
GPQA
GPQA Raw · выше — лучше
Результат
0,2735
Open LLM v2 · архив
Публичная таблицадругая ревизия
MUSR
MUSR Raw · выше — лучше
Результат
0,3697
Open LLM v2 · архив
Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

asharsha30/LLAMA_Harsha_8_B_ORDP_10k — текстовая чат-модель на архитектуре Llama, созданная дообучением базовой модели Meta-Llama-3-8B с использованием ORPO и набора mlabonne/orpo-dpo-mix-40k. Метаданные указывают на 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors; модель используется через библиотеку Transformers для генерации текста в диалоговом формате. Модель предназначена для ответов на вопросы и ведения текстовых диалогов на английском языке.

В README приведены результаты оценивания на наборах AGIEval, GPT4All, TruthfulQA и Bigbench; общий средний балл указан как 50,01. Модель распространяется по лицензии Apache-2.0. README называет базой NousResearch/Meta-Llama-3-8B, тогда как метаданные указывают meta-llama/Llama-3.1-8B.

Сценарии применения

ответы на вопросы в текстовом чате
ведение диалога на английском языке
генерация продолжений текста
решение тестовых вопросов с вариантами ответов

Ограничения

В README и метаданных есть расхождение в указанной базовой модели: README называет Meta-Llama-3-8B, метаданные — Llama-3.1-8B. Приведённые оценки относятся к указанным бенчмаркам и сами по себе не гарантируют качество в других сценариях.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

asharsha30/LLAMA_Harsha_8_B_ORDP_10k

This model is the fine tune of NousResearch/Meta-Llama-3-8B using the 12,000 steps of mlabonne/orpo-dpo-mix-40k.

💻 Usage

# Use a pipeline as a high-level helper
from transformers import pipeline

messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe = pipeline("text-generation", model="asharsha30/LLAMA_Harsha_8_B_ORDP_10k")
pipe(messages)

📈Training And Evaluation Report:

Reports from Wandb

https://wandb.ai/asharshavardhana96-texas-a-m-university/huggingface/runs/gky6j4vn?nw=nwuserasharshavardhana96

Acknowledgment:

Huge thanks to Maxime Labonne for his brilliant blog post covering about the techniques related to finetuning the llama models using SFT and ORPO

Evaluated Using:

The model is evaluated using the https://github.com/mlabonne/llm-autoeval and the results are summarized from the generated gist https://gist.github.com/asharsha30-1996/4162fc98d9669aab3080645c54905bd0

Accuracy measure on Neous Benchmarks:

Model	AGIEval	GPT4All	TruthfulQA	Bigbench	Average
LLAMA_Harsha_8_B_ORDP_10k	35.54	71.15	55.39	37.96	50.01

AGIEval

Task	Version	Metric	Value		Stderr
agieval_aqua_rat	0	acc	26.77	±	2.78
		acc_norm	27.17	±	2.80
agieval_logiqa_en	0	acc	31.34	±	1.82
		acc_norm	33.03	±	1.84
agieval_lsat_ar	0	acc	18.70	±	2.58
		acc_norm	19.57	±	2.62
agieval_lsat_lr	0	acc	42.94	±	2.19
		acc_norm	35.10	±	2.12
agieval_lsat_rc	0	acc	52.42	±	3.05
		acc_norm	43.87	±	3.03
agieval_sat_en	0	acc	65.53	±	3.32
		acc_norm	54.37	±	3.48
agieval_sat_en_without_passage	0	acc	41.75	±	3.44
		acc_norm	33.98	±	3.31
agieval_sat_math	0	acc	42.27	±	3.34
		acc_norm	37.27	±	3.27

Average: 35.54%

GPT4All

Task	Version	Metric	Value		Stderr
arc_challenge	0	acc	49.91	±	1.46
		acc_norm	54.10	±	1.46
arc_easy	0	acc	80.47	±	0.81
		acc_norm	80.05	±	0.82
boolq	1	acc	82.08	±	0.67
hellaswag	0	acc	61.08	±	0.49
		acc_norm	80.26	±	0.40
openbookqa	0	acc	34.00	±	2.12
		acc_norm	45.00	±	2.23
piqa	0	acc	79.71	±	0.94
		acc_norm	81.61	±	0.90
winogrande	0	acc	74.98	±	1.22

Average: 71.15%

TruthfulQA

Task	Version	Metric	Value		Stderr
truthfulqa_mc	1	mc1	37.45	±	1.69
		mc2	55.39	±	1.50

Average: 55.39%

Bigbench

Task	Version	Metric	Value		Stderr
bigbench_causal_judgement	0	multiple_choice_grade	57.37	±	3.60
bigbench_date_understanding	0	multiple_choice_grade	68.02	±	2.43
bigbench_disambiguation_qa	0	multiple_choice_grade	31.01	±	2.89
bigbench_geometric_shapes	0	multiple_choice_grade	20.89	±	2.15
		exact_str_match	0.00	±	0.00
bigbench_logical_deduction_five_objects	0	multiple_choice_grade	28.40	±	2.02
bigbench_logical_deduction_seven_objects	0	multiple_choice_grade	20.71	±	1.53
bigbench_logical_deduction_three_objects	0	multiple_choice_grade	48.67	±	2.89
bigbench_movie_recommendation	0	multiple_choice_grade	31.60	±	2.08
bigbench_navigate	0	multiple_choice_grade	50.60	±	1.58
bigbench_reasoning_about_colored_objects	0	multiple_choice_grade	63.25	±	1.08
bigbench_ruin_names	0	multiple_choice_grade	34.38	±	2.25
bigbench_salient_translation_error_detection	0	multiple_choice_grade	21.84	±	1.31
bigbench_snarks	0	multiple_choice_grade	44.20	±	3.70
bigbench_sports_understanding	0	multiple_choice_grade	50.30	±	1.59
bigbench_temporal_sequences	0	multiple_choice_grade	26.30	±	1.39
bigbench_tracking_shuffled_objects_five_objects	0	multiple_choice_grade	21.36	±	1.16
bigbench_tracking_shuffled_objects_seven_objects	0	multiple_choice_grade	15.77	±	0.87
bigbench_tracking_shuffled_objects_three_objects	0	multiple_choice_grade	48.67	±	2.89

Average: 37.96%

Average score: 50.01%

Elapsed time: 02:36:38

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: LlamaForCausalLM
Ревизия весов: dd945a5