/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
18 авг 2023

starling-7B

Генерация текстаТекст → текст3 профессии

Starling — дообученная на HarmfulQA модель Vicuna-7B для генерации текста с повышенным вниманием к безопасности ответов.

76скачиваний за 30 дней10лайковвеса обновлены4 мар 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

Starling — языковая модель, разработанная declare-lab для повышения безопасности ответов больших языковых моделей. Она получена дообучением Vicuna-7B на наборе HarmfulQA, созданном для исследования вредоносных запросов и выравнивания поведения модели. Модель предназначена для генерации текста в диалоге и для экспериментов по оценке безопасности и устойчивости к вредоносным запросам.

Starling использует плотную архитектуру LLaMA с примерно 6,6 млрд параметров, принимает текст и генерирует текст. Родной контекст составляет 2048 токенов. В описании приведены результаты сравнений с Vicuna на наборах для оценки безопасности, включая снижение среднего показателя успешности атак на DangerousQA и HarmfulQA и улучшение HHH score. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в диалоге на текстовые запросы
  • исследование выравнивания безопасности языковых моделей
  • оценка устойчивости чат-моделей к вредоносным запросам
  • сравнение поведения моделей на тестах безопасности

Ограничения

Контекст ограничен 2048 токенами. Приведённые результаты указывают на улучшение относительно Vicuna на отдельных тестах безопасности, но не гарантируют безопасное поведение во всех сценариях.

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

Paper | Github | Dataset| Model

📣 Update 2/02/24: Introducing Resta: Safety Re-alignment of Language Models. Paper Github Dataset

As a part of our research efforts to make LLMs safer, we created Starling. It is obtained by fine-tuning Vicuna-7B on HarmfulQA, a ChatGPT-distilled dataset that we collected using the Chain of Utterances (CoU) prompt. More details are in our paper Red-Teaming Large Language Models using Chain of Utterances for Safety-Alignment

Experimental results on several safety benchmark datasets indicate that Starling is a safer model compared to the baseline model, Vicuna.

Compared to Vicuna, Avg. 5.2% reduction in Attack Success Rate (ASR) on DangerousQA and HarmfulQA using three different prompts.**

Compared to Vicuna, Avg. 3-7% improvement in HHH score measured on BBH-HHH benchmark.**

TruthfulQA (MC2): 48.90 vs Vicuna's 47.00

MMLU (5-shot): 46.69 vs Vicuna's 47.18

BBH (3-shot): 33.47 vs Vicuna's 33.05

This jailbreak prompt (termed as Chain of Utterances (CoU) prompt in the paper) shows a 65% Attack Success Rate (ASR) on GPT-4 and 72% on ChatGPT.

We also release our HarmfulQA dataset with 1,960 harmful questions (converting 10 topics-10 subtopics) for red-teaming as well as conversations based on them used in model safety alignment, more details here. The following figure describes the data collection process.

Note: This model is referred to as Starling (Blue) in the paper. We shall soon release Starling (Blue-Red) which was trained on harmful data using an objective function that helps the model learn from the red (harmful) response data.

Citation

@misc{bhardwaj2023redteaming,
      title={Red-Teaming Large Language Models using Chain of Utterances for Safety-Alignment}, 
      author={Rishabh Bhardwaj and Soujanya Poria},
      year={2023},
      eprint={2308.09662},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.50.73
AI2 Reasoning Challenge (25-Shot)51.02
HellaSwag (10-Shot)76.77
MMLU (5-Shot)47.75
TruthfulQA (0-shot)48.18
Winogrande (5-shot)70.56
GSM8k (5-shot)10.08

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
cd5873c

0 моделей