/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Опубликована
18 мая 2024

LLaMA3-iterative-DPO-final-ExPO

Генерация текстаТекст → текст5 профессий

Англоязычная чат-модель LLaMA 3 на 7,5 млрд параметров, экстраполированная методом ExPO для улучшения соответствия ответов человеческим предпочтениям.

8 538скачиваний за 30 дней2лайкавеса обновлены27 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

LLaMA3-iterative-DPO-final-ExPO — языковая модель семейства LLaMA 3, разработанная с применением метода ExPO из работы «Weak-to-Strong Extrapolation Expedites Alignment». Это плотная авторегрессионная модель на 7,5 млрд параметров с контекстом до 8192 токенов, представленная в формате safetensors и предназначенная для диалоговой генерации текста на английском языке.

Модель получена экстраполяцией с коэффициентом alpha = 0,3 весов SFT- и DPO/RLHF-чекпойнтов: RLHFlow/LLaMA3-iterative-DPO-final и RLHFlow/LLaMA3-SFT. Она ориентирована на ответы в чате и лучшее соответствие человеческим предпочтениям; в README приведены результаты оценок на AlpacaEval 2.0 и MT-Bench для ряда моделей после применения ExPO.

Модель доступна по лицензии llama3. В карточке показана англоязычная поддержка; сведения о других языках или дополнительных режимах ввода не приведены.

Сценарии применения

  • генерация ответов в диалоговом чате
  • ответы на вопросы на английском языке
  • создание инструктивных текстовых ответов
  • сравнение качества выравнивания моделей на AlpacaEval 2.0
  • оценка диалоговых моделей на MT-Bench

Ограничения

Карточка приводит оценку на нескольких бенчмарках, но не описывает ограничения модели или гарантии качества для практических сценариев. Указана английская поддержка; результаты на других языках не приведены.

Для каких профессий подходит5

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

LLaMA3-iterative-DPO-final-ExPO

The extrapolated (ExPO) model based on RLHFlow/LLaMA3-iterative-DPO-final and RLHFlow/LLaMA3-SFT, as in the "Weak-to-Strong Extrapolation Expedites Alignment" paper.

Specifically, we obtain this model by extrapolating (alpha = 0.3) from the weights of the SFT and DPO/RLHF checkpoints, achieving superior alignment with human preference.

Evaluation Results

Evaluation results on the AlpacaEval 2.0 benchmark (you can find the evaluation outputs on the official GitHub repo):

Win Rate (Ori)LC Win Rate (Ori)Win Rate (+ ExPO)LC Win Rate (+ ExPO)
HuggingFaceH4/zephyr-7b-alpha6.7%10.0%10.6%13.6%
HuggingFaceH4/zephyr-7b-beta10.2%13.2%11.1%14.0%
berkeley-nest/Starling-LM-7B-alpha15.0%18.3%18.2%19.5%
Nexusflow/Starling-LM-7B-beta26.6%25.8%29.6%26.4%
snorkelai/Snorkel-Mistral-PairRM24.7%24.0%28.8%26.4%
RLHFlow/LLaMA3-iterative-DPO-final29.2%36.0%32.7%37.8%
internlm/internlm2-chat-1.8b3.8%4.0%5.2%4.3%
internlm/internlm2-chat-7b20.5%18.3%28.1%22.7%
internlm/internlm2-chat-20b36.1%24.9%46.2%27.2%
allenai/tulu-2-dpo-7b8.5%10.2%11.5%11.7%
allenai/tulu-2-dpo-13b11.2%15.5%15.6%17.6%
allenai/tulu-2-dpo-70b15.4%21.2%23.0%25.7%

Evaluation results on the MT-Bench benchmark (you can find the evaluation outputs on the official GitHub repo):

Original+ ExPO
HuggingFaceH4/zephyr-7b-alpha6.856.87
HuggingFaceH4/zephyr-7b-beta7.027.06
berkeley-nest/Starling-LM-7B-alpha7.827.91
Nexusflow/Starling-LM-7B-beta8.108.18
snorkelai/Snorkel-Mistral-PairRM7.637.69
RLHFlow/LLaMA3-iterative-DPO-final8.088.45
internlm/internlm2-chat-1.8b5.175.26
internlm/internlm2-chat-7b7.727.80
internlm/internlm2-chat-20b8.138.26
allenai/tulu-2-dpo-7b6.356.38
allenai/tulu-2-dpo-13b7.007.26
allenai/tulu-2-dpo-70b7.798.03

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
fea86db

0 моделей