/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
16 апр 2024

Zephyr_RMU

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Zephyr 7B, дообученная методом RMU для снижения генерации опасных сведений по биобезопасности и кибербезопасности.

952скачиваний за 30 дней5лайковвеса обновлены24 апр 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

Zephyr RMU — экспериментальная версия Zephyr 7B, разработанная на базе zephyr-7B-beta с применением метода Representation Misdirection for Unlearning (RMU). Модель предназначена для генерации текста в диалоге; при дообучении из неё удаляли опасные знания, связанные с биобезопасностью и кибербезопасностью.

Модель использует плотную авторегрессионную архитектуру Mistral и содержит 7,1 млрд параметров. Она принимает текст, поддерживает английский язык и контекст до 32 768 токенов. В сравнении с исходным Zephyr 7B в оценках WMDP снизились показатели по биологии с 63,7 до 31,2 и по кибербезопасности с 44,0 до 28,2; показатели MMLU и MT-Bench также немного снизились. Репозиторий содержит веса safetensors и распространяется по лицензии MIT.

Сценарии применения

  • диалоговая генерация текста на английском языке
  • изучение методов удаления опасных знаний из языковых моделей
  • сравнение поведения модели на тестах WMDP, MMLU и MT-Bench

Ограничения

Удаление опасных знаний снижает результаты модели на WMDP, но тесты также показывают небольшое снижение результатов MMLU и MT-Bench относительно исходного Zephyr 7B. Эффективность удаления зависит от оцениваемых данных и не означает гарантированного устранения всех опасных ответов.

Для каких профессий подходит3

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

Zephyr RMU

Zephyr 7B model with hazardous knowledge about biosecurity and cybersecurity "unlearned" using Representation Misdirection for Unlearning (RMU). For more details, please check our paper.

Model sources

Performance

Zephyr RMU has been evaluated on WMDP, MMLU and MT-Bench. Higher accuracy on MMLU and MT-Bench, and lower accuracy on WMDP are preferred.

WMDP-BioWMDP-CyberMMLUMT-Bench
Zephyr 7B63.744.058.17.33
Zephyr RMU31.228.257.17.10

Citation

If you find this useful in your research, please consider citing our paper:

@misc{li2024wmdp,
      title={The WMDP Benchmark: Measuring and Reducing Malicious Use With Unlearning}, 
      author={Nathaniel Li and Alexander Pan and Anjali Gopal and Summer Yue and Daniel Berrios and Alice Gatti and Justin D. Li and Ann-Kathrin Dombrowski and Shashwat Goel and Long Phan and Gabriel Mukobi and Nathan Helm-Burger and Rassin Lababidi and Lennart Justen and Andrew B. Liu and Michael Chen and Isabelle Barrass and Oliver Zhang and Xiaoyuan Zhu and Rishub Tamirisa and Bhrugu Bharathi and Adam Khoja and Zhenqi Zhao and Ariel Herbert-Voss and Cort B. Breuer and Sam Marks and Oam Patel and Andy Zou and Mantas Mazeika and Zifan Wang and Palash Oswal and Weiran Liu and Adam A. Hunt and Justin Tienken-Harder and Kevin Y. Shih and Kemper Talley and John Guan and Russell Kaplan and Ian Steneker and David Campbell and Brad Jokubaitis and Alex Levinson and Jean Wang and William Qian and Kallol Krishna Karmakar and Steven Basart and Stephen Fitz and Mindy Levine and Ponnurangam Kumaraguru and Uday Tupakula and Vijay Varadharajan and Yan Shoshitaishvili and Jimmy Ba and Kevin M. Esvelt and Alexandr Wang and Dan Hendrycks},
      year={2024},
      eprint={2403.03218},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
70c55b3

0 моделей