/ Модель

Характеристики

Контекст
512 токенов
Параметры
534 млн
Архитектура
deberta-v2 · dense
Базовая модель
reward-model-deberta-v3-large-v2
Опубликована
26 сен 2024

ReMoDetect-deberta

Классификация текстаТекст → label3 профессии

Модель на базе DeBERTa для классификации английских текстов и выявления текста, сгенерированного языковыми моделями.

1 609скачиваний за 30 дней2лайкавеса обновлены26 сен 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

ReMoDetect-deberta — модель классификации текста, разработанная для выявления текстов, сгенерированных большими языковыми моделями. Она использует дообученную модель вознаграждения на базе DeBERTa и оценивает признаки, связанные с выравниванием генерации по человеческим предпочтениям. Подход рассчитан на обнаружение общих характеристик текстов разных LLM, а не на распознавание конкретной модели-автора.

Для повышения качества обнаружения применялись дополнительное дообучение на предпочтениях и обучение на смешанных человеческих и машинных текстах, включая перефразированные человеческие тексты. Модель содержит 533,8 млн параметров, принимает последовательности длиной до 512 токенов и предназначена для классификации текстов на английском языке. В README заявлены высокие результаты на нескольких LLM, но конкретные метрики не приведены. Модель опубликована в формате safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • проверка английского текста на генерацию языковой моделью
  • фильтрация машинно-сгенерированных публикаций
  • анализ текстов для выявления признаков выравнивания LLM
  • сравнение человеческих и машинных текстов
  • оценка текста для проверки подозрительных новостных материалов

Ограничения

Ограничение длины входа — 512 токенов; README не приводит конкретных метрик качества и не описывает устойчивость к новым моделям или намеренному обходу детектора.

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

ReMoDetect: Robust Detection of Large Language Model Generated Texts Using Reward Model

ReMoDetect addresses the growing risks of large language model (LLM) usage, such as generating fake news, by improving detection of LLM-generated text (LGT). Unlike detecting individual models, ReMoDetect identifies common traits among LLMs by focusing on alignment training, where LLMs are fine-tuned to generate human-preferred text. Our key finding is that aligned LLMs produce texts with higher estimated preferences than human-written ones, making them detectable using a reward model trained on human preference distribution.

In ReMoDetect, we introduce two training strategies to enhance the reward model’s detection performance:

  1. Continual preference fine-tuning, which pushes the reward model to further prefer aligned LGTs.
  2. Reward modeling of Human/LLM mixed texts, where we use rephrased human-written texts as a middle ground between LGTs and human texts to improve detection.

This approach achieves state-of-the-art results across several LLMs. For more technical details, check out our paper.

Please check the official repository, and project page for more implementation details and updates.

How to Use

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model_id = "hyunseoki/ReMoDetect-deberta"
tokenizer = AutoTokenizer.from_pretrained(model_id, cache_dir=cache_dir)
detector = AutoModelForSequenceClassification.from_pretrained(model_id)

text = 'This text was written by a person.'
inputs = tokenizer(text, return_tensors='pt', truncation=True,max_length=512, padding=True)

score = detector(**inputs).logits[0]
print(score)

Citation

If you find ReMoDetect-deberta useful for your work, please cite the following papers:

@misc{lee2024remodetect,
      title={ReMoDetect: Reward Models Recognize Aligned LLM's Generations}, 
      author={Hyunseok Lee and Jihoon Tack and Jinwoo Shin},
      year={2024},
      eprint={2405.17382},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2405.17382}, 
}

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
DebertaV2ForSequenceClassification
Ревизия весов
82bd1c9

0 моделей