/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
71 млрд
Размер весов
145 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
22 мар 2024

Rhea-72b-v0.5

Генерация текстаТекст → текст15 профессий

Дообученная на инструкциях и предпочтениях 71-миллиардная модель Llama для генерации англоязычного текста и ответов на разнообразные запросы.

8 547скачиваний за 30 дней134лайкавеса обновлены8 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1166

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2525

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1737

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4241

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,0145

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3078

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Rhea-72b-v0.5 — языковая модель, разработанная David Kim в рамках проекта Rhea. Это дообученная версия abacusai/Smaug-72B-v0.1: автор использовал SFT на открытых наборах данных и DPO с данными предпочтений, частично созданными методом SGD. Модель занимает 71 млрд параметров, построена на плотной архитектуре Llama и предназначена для генерации текста. Она принимает контекст до 32 768 токенов и работает с текстом на английском языке.

Модель подходит для диалоговых ответов, рассуждений, вопросов и ответов, а также текстовых задач, представленных в обучающих наборах, включая математику, код и отдельные медицинские и финансовые примеры. В README приведены результаты Open LLM Leaderboard, включая среднее значение 81,22, но эти показатели относятся к указанной автором оценке и не гарантируют качество в конкретном применении. Часть обучающих данных закрыта или недоступна; независимые ограничения качества в карточке не описаны. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • ответы на вопросы и объяснение понятий
  • решение текстовых задач на рассуждение и математику
  • генерация и преобразование кода по текстовому запросу
  • суммаризация и переформулирование текста

Ограничения

Часть обучающих данных недоступна или является внутренней, поэтому состав обучения нельзя полностью проверить. Результаты бенчмарков из README не гарантируют качество на пользовательских задачах.

Для каких профессий подходит15

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

Rhea-72b-v0.5

image/jpeg

The Rhea project is a project that conducts research on various learning methods to improve llm model performance. We fine-tuned the existing model using the nox framework. We built a dataset for SFT learning based on the currently open dataset, and created a dataset using SGD (Self-Generated Dataset Creation Method for DPO Learning) for DPO learning.

Our model ranked first on HuggingFace's Open LLM leaderboard.

SGD : A Study on Self-Generated Dataset creation method for DPO Learning

This method proposes a novel method for generating datasets for DPO (Self-supervised Learning) models. We suggest a technique where sentences generated by the model are compared with the actual correct answers from an existing dataset, and sentences where the model's generated results do not match the correct answers are added. This enables the model to autonomously create training data, thereby enhancing the performance of DPO models.

Model Details

  • Model Developers : davidkim(changyeon kim)
  • Repository : https://github.com/davidkim205/nox
  • base mode : abacusai/Smaug-72B-v0.1
  • sft dataset : datasets_enconv_4m
  • dpo dataset : datasets_encomp_151k

sft dataset info : datasets_enconv_4m

100k random shuffle datasets

  • stack-exchange-preferences
  • SlimOrca
  • alpaca-gpt4
  • SHP
  • HC3
  • databricks-dolly-15k
  • orca-dpo-pairs
  • us-stockname
  • OpenHermes2.5-dpo-binarized-alpha
  • distilabel-math-preference-dpo
  • Neural-DPO
  • truthy-dpo-v0.1
  • distilabel-capybara-dpo-7k-binarized
  • us-sentiment
  • contextual-dpo-v0.1

1k random shuffle datasets

  • bigbench
  • glue_mnli
  • glue_qqp
  • xnli
  • codexglue_code2text_go
  • trivia_qa
  • medmcqa
  • hendrycks_ethics
  • super_glue_record
  • glue_qnli
  • anli_r3
  • swag
  • squad_v2
  • nq_open
  • drop
  • glue_sst2
  • blimp
  • paws-x
  • unscramble
  • anli_r2
  • babi
  • math_qa
  • social_i_qa
  • piqa
  • arithmetic
  • anli_r1
  • prost
  • sciq
  • mc_taco
  • medqa
  • super_glue_boolq
  • hendrycks_math
  • lambada
  • toxigen-data
  • glue_cola
  • pubmed_qa
  • logiqa
  • mutual
  • headqa
  • bbh
  • super_glue_wic
  • openbookqa
  • glue_mrpc
  • web_questions
  • qasper
  • super_glue_multirc
  • story_cloze
  • super_glue_rte
  • glue_rte
  • race
  • xwinograd
  • asdiv
  • xstory_cloze
  • crows_pairs_multilingual
  • belebele
  • glue_wnli
  • super_glue_wsc
  • coqa
  • super_glue_copa
  • super_glue_cb
  • winograd_wsc
  • mgsm
  • scrolls_contract_nli
  • If the data set cannot be found, it is internal company data and cannot be made public.

dpo dataset info : datasets_encomp_151k

Randomly selecting data from each category within the training dataset, we constructed a DPO (Direct Preference Optimization) dataset using sentences with logits lower than the mean within the model-generated sentences.

  • I'm sorry I can't reveal it.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.81.22
AI2 Reasoning Challenge (25-Shot)79.78
HellaSwag (10-Shot)91.15
MMLU (5-Shot)77.95
TruthfulQA (0-shot)74.50
Winogrande (5-shot)87.85
GSM8k (5-shot)76.12

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
bc3806e

0 моделей