/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Размер весов
6,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Библиотека
transformers
Опубликована
13 дек 2024

Qwen2.5-1.5B-Policy2

Генерация текстаТекст → текст4 профессии

Компактная дообученная модель Qwen2.5 для диалоговой генерации текста и ответов на вопросы.

15скачиваний за 30 дней0лайковвеса обновлены13 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.

  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

Qwen2.5-1.5B-Policy2 — компактная языковая модель для генерации текста и диалогов, разработанная на основе Qwen/Qwen2.5-1.5B-Instruct и дообученная автором карточки с помощью TRL. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2 и работает как причинная языковая модель; заявленная длина контекста составляет 32 768 токенов. Она предназначена для генерации ответов в диалоге и других сценариев продолжения текста.

В карточке приведён пример использования через Transformers для ответа на открытый вопрос. Название Policy2 не сопровождается описанием специальной предметной области или конкретной политики обучения, поэтому назначение модели следует оценивать по фактическому сценарию применения. Данные об используемых языках и лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • генерация ответов в чате
  • ответы на открытые вопросы
  • продолжение текста по запросу

Ограничения

Предоставленные источники не уточняют языки обучения, лицензию и качество модели на конкретных задачах; название Policy2 само по себе не раскрывает её специализацию.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Qwen2.5-1.5B-Policy2

This model is a fine-tuned version of Qwen/Qwen2.5-1.5B-Instruct. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="blakenp/Qwen2.5-1.5B-Policy2", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with RLOO, a method introduced in Back to Basics: Revisiting REINFORCE-Style Optimization for Learning from Human Feedback in LLMs.

Framework versions

  • TRL: 0.12.2
  • Transformers: 4.46.3
  • Pytorch: 2.5.1+cu121
  • Datasets: 3.2.0
  • Tokenizers: 0.20.3

Citations

Cite RLOO as:

@inproceedings{ahmadian2024back,
    title        = {{Back to Basics: Revisiting REINFORCE-Style Optimization for Learning from Human Feedback in LLMs}},
    author       = {Arash Ahmadian and Chris Cremer and Matthias Gall{'{e}} and Marzieh Fadaee and Julia Kreutzer and Olivier Pietquin and Ahmet {"{U}}st{"{u}}n and Sara Hooker},
    year         = 2024,
    booktitle    = {Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), {ACL} 2024, Bangkok, Thailand, August 11-16, 2024},
    publisher    = {Association for Computational Linguistics},
    pages        = {12248--12267},
    editor       = {Lun{-}Wei Ku and Andre Martins and Vivek Srikumar},
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
941cd6f

0 моделей