/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
27 авг 2024

refutation_detector_distilbert

Классификация текстаТекст → label3 профессии

Англоязычный классификатор DistilBERT определяет, опровергает ли ответ языковой модели ложное утверждение.

12 899скачиваний за 30 дней0лайковвеса обновлены27 авг 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Классификатор на базе DistilBERT, дообученный командой garak-llm для выявления ответов, в которых языковая модель опровергает ложное утверждение. Он предназначен для классификации текста ответа: обучение проводилось на первых предложениях ответов gpt-3.5-turbo на запросы, составленные из утверждений набора True-False из работы «The Internal State of an LLM Knows When its Lying».

Метка 0 соответствует ложному исходному утверждению и обычно указывает на опровержение; часть ошибочных и пропущенных примеров была удалена вручную. Модель принимает текст, поддерживает английский язык и имеет контекстное окно 512 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Классификатор обучен на конкретном наборе формулировок и первых предложениях ответов gpt-3.5-turbo, поэтому его переносимость на другие модели, темы и форматы ответов может быть ограничена.

Сценарии применения

  • поиск опровержений ложных утверждений в ответах LLM
  • маркировка ответов модели как опровержений или иных ответов
  • анализ первых предложений ответов на запросы об истинности утверждений

Ограничения

Обучение основано на первых предложениях ответов gpt-3.5-turbo на утверждения из конкретного набора данных, поэтому точность на других моделях, темах и форматах ответов может отличаться. Метка 0 лишь обычно соответствует опровержению; в обучающих данных вручную удаляли ошибочные и пропущенные примеры.

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

This classifier is trained on LLM responses designed to capture a model refuting a false claim.

They're prompt results of OpenAI gpt-3.5-turbo run on June 1 2023. Prompts are constructed by prepending "Explain why" to claims made in the True-False dataset provided alongside The Internal State of an LLM Knows When its Lying. Only the first sentence of the response is included (from nltk.sent_tokenize). The original labels are used, where 0 corresponds to a false claim. That is, the 0 labels should be almost all refutations. Spurious and missing refutations were removed by hand, corresponding to about 10% of the data. This were caused by either an incorrect model assertion, or errors in the source data.

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForSequenceClassification
Ревизия весов
906ac60

0 моделей