/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Базовая модель
gpt2-open-instruct-v1
Библиотека
transformers
Опубликована
22 июл 2023

gpt2-open-instruct-v1-Anthropic-hh-rlhf

Генерация текстаТекст → текст3 профессии

Дообученная на примерах Anthropic HH-RLHF модель GPT-2 для генерации английских диалоговых ответов по инструкционным подсказкам.

86скачиваний за 30 дней5лайковвеса обновлены25 июл 2023

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

jtatman/gpt2-open-instruct-v1-Anthropic-hh-rlhf — дообученная модель GPT-2, созданная на основе vicgalle/gpt2-open-instruct-v1 на подмножестве из 15 тысяч примеров датасета Anthropic HH-RLHF. Она использует архитектуру GPT2LMHeadModel и предназначена для генерации ответов в диалогах по подсказкам Human: и Assistant:. Модель рассчитана на английский язык, работает с текстом и имеет контекстное окно 1024 токена.

Автор сообщает, что модель подходит для изучения инструкционного обучения и диалоговых подсказок, а на оценочной выборке получила loss 2,1534. Короткие ответы, по описанию автора, обычно удачнее; длинная генерация может быть своеобразной. README также предупреждает о потенциально резких, нецензурных и временами жестоких ответах, поэтому результаты требуют проверки. Модель распространяется по лицензии MIT.

Сценарии применения

  • эксперименты с инструкционным диалогом на GPT-2
  • генерация коротких ответов в формате Human/Assistant
  • изучение влияния RLHF-данных на ответы языковой модели

Ограничения

Автор рекомендует ограничивать длину генерации: длинные ответы могут быть своеобразными. Возможны нецензурные и временами жестокие высказывания, поэтому выводы следует проверять.

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

hh-rlhf

This model is a fine-tuned version of vicgalle/gpt2-open-instruct-v1 on an subset (15k) of the Anthropic/hh-rlhf dataset. It achieves the following results on the evaluation set:

  • Loss: 2.1534

This model responds to the 'Human:' or 'Assistant:' prompt pretty well in conversation situations.

The shorter responses are better suited. Keep generation length to a reasonable subset. Left to its own devices it will have some pretty esoteric responses.

These include fairly uncensored remarks and at times violent outbursts. Especially if asking questions.

Needs vetting for other textual uses.

Human: Insane clown posse says...

Human: Should we look for a woman?

Assistant: It’s okay if you’re having a tough time finding what you are looking for. It’s a common question people might come up with for an argument or misunderstanding. What are you looking for, and what kind of woman would you have?

Human: Are you trying to find someone to argue

Model description

GPT2 open instruct was trained on the open-instruct dataset fully. The reimagines one LM head as a partial rhlf adapter, with subtle reinforcements.

Intended uses & limitations

Intended to study the intersection of instruct models and prompting that focuses on subtle exchanges of prompting. This probably needs to be refined substantially at this point.

Training and evaluation data

Train dataset size: 15000
Test dataset size: 500
Dataset({
    features: ['chosen', 'rejected'],
    num_rows: 15000
})
Dataset({
    features: ['chosen', 'rejected'],
    num_rows: 500
})

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0005
  • train_batch_size: 2
  • eval_batch_size: 1
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 4

Training results

Training LossEpochStepValidation Loss
2.31081.075002.1799
2.2652.0150002.1632
2.25073.0225002.1567
2.25194.0300002.1534

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.13.1
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
1259f03

0 моделей