/ Модель

Характеристики

Контекст
8 192 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Опубликована
25 мая 2024

Llama3-70B-Chinese-Chat-ExPO

Генерация текстаТекст → текст6 профессий

Экспериментальная 70-миллиардная чат-модель Llama 3, полученная методом ExPO для генерации ответов на китайском и английском языках.

8 506скачиваний за 30 дней0лайковвеса 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

Llama3-70B-Chinese-Chat-ExPO — экспериментальная чат-модель на архитектуре Llama 3, опубликованная chujiezheng. Она создана экстраполяцией ExPO с коэффициентом α=0,3 между контрольными точками SFT и DPO/RLHF; в README базами названы shenzhi-wang/Llama3-70B-Chinese-Chat и meta-llama/Meta-Llama-3-70B-Instruct. Модель содержит 69,5 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов.

Модель предназначена для генерации ответов в диалоге на китайском и английском языках с выравниванием по человеческим предпочтениям. В README приведены результаты оценок ExPO на AlpacaEval 2.0 и MT-Bench для нескольких других моделей, однако это не отдельная оценка именно данного 70B чекпойнта. Автор предупреждает, что китайские способности не были всесторонне проверены и при применении экстраполяции к DPO/RLHF-выравниванию для новых языков могут возникать непредвиденные проблемы.

Лицензия указана как llama3; перед использованием следует соблюдать условия лицензии Llama 3.

Сценарии применения

  • генерация ответов в китайском чат-боте
  • диалоговая генерация на английском языке
  • создание ассистента с выравниванием ответов по предпочтениям людей

Ограничения

Автор не проводил всестороннюю оценку способностей модели на китайском языке и отмечает возможность непредвиденных проблем при экстраполяции после DPO/RLHF-обучения для новых языков. Результаты бенчмарков в README относятся к другим моделям с ExPO, а не к этому чекпойнту.

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

Llama3-8B-Chinese-Chat-ExPO

The extrapolated (ExPO) model based on shenzhi-wang/Llama3-70B-Chinese-Chat and meta-llama/Meta-Llama-3-70B-Instruct, 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.

Note: This is an experimental model, as I have not comprehensively evaluated its Chinese ability. Unexpected issues may occur when we apply extrapolation to the DPO/RLHF alignment training for new languages (e.g., Chinese).

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

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
180851a

0 моделей