/ Модель

Характеристики

Параметры
3,8 млрд
Лицензия
BigScience BLOOM RAIL 1.0
Архитектура
bloom · dense
Опубликована
4 дек 2023

bloomz-3b-dpo-chat

Генерация текстаТекст → текст3 профессии

Диалоговая модель BLOOM на 3,8 млрд параметров, дообученная методом DPO для чат-ботов и поддержки на английском и французском языках.

27скачиваний за 30 дней2лайкавеса обновлены5 июл 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

cmarkea/bloomz-3b-dpo-chat — диалоговая языковая модель, разработанная на базе bloomz-3b-sft-chat и дообученная методом Direct Preference Optimization (DPO) на данных Anthropic/hh-rlhf с парами предпочтительных и отклонённых ответов. Модель построена на плотной архитектуре BLOOM с причинной языковой моделью и содержит 3,8 млрд параметров; доступны веса PyTorch и Safetensors. Лицензия — BigScience BLOOM RAIL 1.0.

Модель предназначена для чат-ботов, автоматизации поддержки клиентов и других диалоговых систем на английском и французском языках. По карточке, DPO улучшает предпочтительность ответов относительно версии SFT, особенно в сценариях без примеров; оценка на французских вопросах проводилась с помощью нескольких языковых моделей-оценщиков.

Карточка предупреждает, что многоязычные возможности могут быть слабее, чем у SFT-предшественника, и что дообучение может потребоваться для восстановления качества на других языках. Оценка описана только для 100 французских вопросов, поэтому её нельзя считать широкой проверкой качества для всех задач и языков.

Сценарии применения

  • создание англо-французского чат-бота
  • автоматизация ответов службы поддержки
  • ведение диалога с пользователем на английском
  • ведение диалога с пользователем на французском

Ограничения

Карточка отмечает, что качество на языках помимо английского и французского может быть снижено относительно SFT-предшественника. Описанная оценка охватывает 100 французских вопросов и не подтверждает качество на широком наборе задач.

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

bloomz-3b-dpo-chat Model Card

Model Overview

The bloomz-3b-dpo-chat is a conversational model fine-tuned using Direct Preference Optimization (DPO) from the base bloomz-3b-sft-chat model. This model aims to provide high-quality conversational abilities in both English and French, leveraging the pre-trained strengths of its SFT (Supervised Fine-Tuning) predecessor.

Parent Model: bloomz-3b-sft-chat


Model Description

The bloomz-3b-dpo-chat model builds upon the solid foundation of the bloomz-3b-sft-chat, which is notable for its chatbot-specific pre-training and efficient tokenization strategy. The DPO fine-tuning process enhances the model's ability to generate more human-preferred responses in conversational contexts.

Multilingual Capabilities

The model was initially trained on both French and English datasets, ensuring high efficiency and performance in these languages. Due to the DPO process and potential data type changes (from float16 to bfloat16), the model's multilingual capabilities might not be as robust as its SFT predecessor, but fine-tuning can help in restoring performance in other languages.

Model Applications

This model is suitable for chatbot applications, customer service automation, and other conversational AI systems where bilingual (French and English) support is essential.

Dataset

The bloomz-3b-dpo-chat model was trained using the Anthropic/hh-rlhf dataset, which includes:

Human Preference Data:

  • Description: Annotations of helpfulness and harmlessness, with each entry containing "chosen" and "rejected" text pairs.
  • Purpose: To train preference models for Reinforcement Learning from Human Feedback (RLHF), not for supervised training of dialogue agents.
  • Source: Data from context-distilled language models, rejection sampling, and an iterated online process.

Evaluation

Evaluation of the model was conducted using the PoLL (Pool of LLM) technique, assessing performance on 100 French questions with scores aggregated from six evaluations (two per evaluator). The evaluators included GPT-4o, Gemini-1.5-pro, and Claude3.5-sonnet.

Performance Scores (on a scale of 5):

ModelScore# params
gpt-4o4.13N/A
mistralai/Mixtral-8x7B-Instruct-v0.13.7146.7b
 gpt-3.5-turbo3.66175b
mistralai/Mistral-7B-Instruct-v0.21.987.25b
cmarkea/bloomz-7b1-mt-sft-chat1.697.1b
cmarkea/bloomz-3b-dpo-chat1.683b
cmarkea/bloomz-3b-sft-chat1.513b
croissantllm/CroissantLLMChat-v0.11.191.3b
cmarkea/bloomz-560m-sft-chat1.040.56b
OpenLLM-France/Claire-Mistral-7B-0.10.387.25b

The bloomz-3b-dpo-chat model demonstrates improved performance over its SFT counterpart, particularly in zero-shot contexts, making it a competitive choice for production environments.

Usage

To utilize the bloomz-3b-dpo-chat model, format the prompt for chatbot interactions as follows:

</s>[human prompt 1]<s>[bot answer 1]</s>[human prompt 2]<s>

Example code to load the model using HuggingFace's pipeline:

from transformers import pipeline

model = pipeline("text-generation", "cmarkea/bloomz-3b-dpo-chat")
result = model("</s>C'est quoi le deep learning ?<s>", max_new_tokens=512)

result
[{'generated_text': "</s>C'est quoi le deep learning ?<s>L'apprentissage
   en profondeur est un sous-ensemble de l'apprentissage automatique qui
   utilise des réseaux de neurones artificiels pour apprendre à partir de
   données. Ces réseaux sont conçus pour reconnaître des modèles dans les
   données et peuvent être utilisés pour des tâches telles que la 
   reconnaissance d'images, le traitement du langage naturel et la
   reconnaissance vocale."}]

Citation

@online{DeBloomzChat,
  AUTHOR = {Cyrile Delestre},
  URL = {https://huggingface.co/cmarkea/bloomz-3b-dpo-chat},
  YEAR = {2024},
  KEYWORDS = {NLP ; Transformers ; LLM ; Bloomz},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BloomForCausalLM
Ревизия весов
168af80

0 моделей