/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
68,7 млрд
Размер весов
276 ГБ
Лицензия
CC BY-NC-SA 4.0
Архитектура
llama · dense
Опубликована
4 авг 2023

Platypus2-70B

Генерация текстаТекст → текст3 профессии

Инструкционная модель на базе Llama 2 с 68,7 млрд параметров для ответов на вопросы и решения задач по STEM и логике на английском языке.

107скачиваний за 30 дней21лайквеса обновлены4 янв 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

Platypus2-70B — авторегрессионная языковая модель с открытыми весами, разработанная Коулом Хантером и Ариэлом Ли. Она построена на архитектуре Llama 2 и дообучена следовать инструкциям на наборе Open-Platypus, содержащем задачи по STEM-дисциплинам и логике. Модель предназначена для ответов на вопросы, решения задач и рассуждений на английском языке.

Модель имеет плотную архитектуру LlamaForCausalLM и 68,7 млрд параметров. Она принимает текст и генерирует текст; базовая длина контекста — 4096 токенов. В карточке приведены результаты оценки на ARC, HellaSwag, MMLU и TruthfulQA.

Модель может выдавать неточные, предвзятые или нежелательные ответы; её тестирование проводилось на английском языке и не охватывает все сценарии. Перед применением рекомендуется проверка и настройка безопасности под конкретную задачу. Указана лицензия CC BY-NC-SA 4.0, предполагающая некоммерческое использование и распространение производных на условиях лицензии.

Сценарии применения

  • ответы на вопросы по STEM-дисциплинам
  • решение задач по логике
  • объяснение научных и технических понятий
  • выполнение текстовых инструкций на английском языке

Ограничения

Модель может давать неточные, предвзятые или нежелательные ответы; её оценивали на английском языке, и тестирование не охватывает все сценарии. Для применения требуется проверка и настройка безопасности под конкретную задачу.

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

Platypus2-70B

Platypus-70B is an instruction fine-tuned model based on the LLaMa2-70B transformer architecture.

Platty

Model Details

  • Trained by: Cole Hunter & Ariel Lee
  • Model type: Platypus2-70B is an auto-regressive language model based on the LLaMA2 transformer architecture.
  • Language(s): English
  • License for base weights: Non-Commercial Creative Commons license (CC BY-NC-4.0)

Prompt Template

### Instruction:

<prompt> (without the <>)

### Response:

Training Dataset

garage-bAInd/Platypus2-70B trained using STEM and logic based dataset garage-bAInd/Open-Platypus.

Please see our paper and project webpage for additional information.

Training Procedure

garage-bAInd/Platypus2-70B was instruction fine-tuned using LoRA on 8 A100 80GB. For training details and inference instructions please see the Platypus GitHub repo.

Reproducing Evaluation Results

Install LM Evaluation Harness:

# clone repository
git clone https://github.com/EleutherAI/lm-evaluation-harness.git
# check out the correct commit
git checkout b281b0921b636bc36ad05c0b0b0763bd6dd43463
# change to repo directory
cd lm-evaluation-harness
# install
pip install -e .

Each task was evaluated on a single A100 80GB GPU.

ARC:

python main.py --model hf-causal-experimental --model_args pretrained=garage-bAInd/Platypus2-70B --tasks arc_challenge --batch_size 1 --no_cache --write_out --output_path results/Platypus2-70B/arc_challenge_25shot.json --device cuda --num_fewshot 25

HellaSwag:

python main.py --model hf-causal-experimental --model_args pretrained=garage-bAInd/Platypus2-70B --tasks hellaswag --batch_size 1 --no_cache --write_out --output_path results/Platypus2-70B/hellaswag_10shot.json --device cuda --num_fewshot 10

MMLU:

python main.py --model hf-causal-experimental --model_args pretrained=garage-bAInd/Platypus2-70B --tasks hendrycksTest-* --batch_size 1 --no_cache --write_out --output_path results/Platypus2-70B/mmlu_5shot.json --device cuda --num_fewshot 5

TruthfulQA:

python main.py --model hf-causal-experimental --model_args pretrained=garage-bAInd/Platypus2-70B --tasks truthfulqa_mc --batch_size 1 --no_cache --write_out --output_path results/Platypus2-70B/truthfulqa_0shot.json --device cuda

Limitations and bias

Llama 2 and fine-tuned variants are a new technology that carries risks with use. Testing conducted to date has been in English, and has not covered, nor could it cover all scenarios. For these reasons, as with all LLMs, Llama 2 and any fine-tuned varient's potential outputs cannot be predicted in advance, and the model may in some instances produce inaccurate, biased or other objectionable responses to user prompts. Therefore, before deploying any applications of Llama 2 variants, developers should perform safety testing and tuning tailored to their specific applications of the model.

Please see the Responsible Use Guide available at https://ai.meta.com/llama/responsible-use-guide/

Citations

@article{platypus2023,
    title={Platypus: Quick, Cheap, and Powerful Refinement of LLMs}, 
    author={Ariel N. Lee and Cole J. Hunter and Nataniel Ruiz},
    booktitle={arXiv preprint arxiv:2308.07317},
    year={2023}
}
@misc{touvron2023llama,
    title={Llama 2: Open Foundation and Fine-Tuned Chat Models}, 
    author={Hugo Touvron and Louis Martin and Kevin Stone and Peter Albert and Amjad Almahairi and Yasmine Babaei and Nikolay Bashlykov       year={2023},
    eprint={2307.09288},
    archivePrefix={arXiv},
}
@inproceedings{
    hu2022lora,
    title={Lo{RA}: Low-Rank Adaptation of Large Language Models},
    author={Edward J Hu and Yelong Shen and Phillip Wallis and Zeyuan Allen-Zhu and Yuanzhi Li and Shean Wang and Lu Wang and Weizhu Chen},
    booktitle={International Conference on Learning Representations},
    year={2022},
    url={https://openreview.net/forum?id=nZeVKeeFYf9}
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.64.16
ARC (25-shot)70.65
HellaSwag (10-shot)87.15
MMLU (5-shot)70.08
TruthfulQA (0-shot)52.37
Winogrande (5-shot)84.37
GSM8K (5-shot)33.06
DROP (3-shot)51.41

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
8ca5fdc

0 моделей