/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Опубликована
23 мар 2024

mistral-orpo-capybara-7k

Генерация текстаТекст → текст7 профессий

Дообученная методом ORPO английская чат-модель на базе Mistral-7B-v0.1 для диалогов и выполнения инструкций.

8 595скачиваний за 30 дней26лайковвеса обновлены23 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3964

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4489

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2861

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2971

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0393

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5367

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mistral-ORPO-Capybara-7k — диалоговая языковая модель, созданная на базе Mistral-7B-v0.1 и дообученная методом ORPO авторами репозитория KAIST AI. Модель обучали на 7 тысячах примеров многоходовых диалогов из набора argilla/distilabel-capybara-dpo-7k-binarized; ORPO позволяет оптимизировать предпочтения ответов без предварительного этапа supervised fine-tuning.

Модель предназначена для генерации ответов в чат-ботах, ведения диалога и выполнения инструкций на английском языке. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В README приведены результаты сравнительных оценок на AlpacaEval, MT-Bench и IFEval, но они не гарантируют качество для конкретного применения.

Вес опубликован в формате Safetensors под лицензией MIT. Дообучение на сравнительно небольшом наборе данных может ограничивать охват тем и надёжность ответов; модель также наследует ограничения базовой Mistral-7B-v0.1.

Сценарии применения

  • создание англоязычного чат-бота
  • генерация ответов на инструкции пользователя
  • ведение многоходового диалога
  • сравнение предпочтительности ответов языковой модели

Ограничения

Модель обучена на 7 тысячах примеров, поэтому её охват тем и надёжность ответов могут быть ограничены. Приведённые в README результаты бенчмарков не гарантируют качества в конкретном приложении.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mistral-ORPO-Capybara-7k (7B)

Mistral-ORPO is a fine-tuned version of mistralai/Mistral-7B-v0.1 using the odds ratio preference optimization (ORPO). With ORPO, the model directly learns the preference without the supervised fine-tuning warmup phase.

Mistral-ORPO-ORPO-Capybara-7k is fine-tuned for 2.5 hours on four A100s exclusively on the 7k instances of the distilled Capybara paired multi-turn conversation dataset, argilla/distilabel-capybara-dpo-7k-binarized, by Argilla.

👍 Model Performance

1) AlpacaEval & MT-Bench

Model NameSizeAlignMT-BenchAlpacaEval 2.0 (LC)
Mistral-ORPO-Capybara-7k7BORPO7.4415.9
Mistral-ORPO-β7BORPO7.3214.7
Zephyr β7BDPO7.3413.2
TULU-2-DPO13BDPO7.0011.6
Llama-2-Chat7BRLHF6.275.4
Llama-2-Chat13BRLHF6.658.4

2) IFEval

Model TypePrompt-StrictPrompt-LooseInst-StrictInst-Loose
Mistral-ORPO-Capybara-7k0.50830.50830.58270.6127
Mistral-ORPO-⍺0.50090.50830.59950.6163
Mistral-ORPO-β0.52870.55640.63550.6619

🗺️ MT-Bench by Category

image/png

🖥️ Inference

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("kaist-ai/mistral-orpo-capybara-7k")
tokenizer = AutoTokenizer.from_pretrained("kaist-ai/mistral-orpo-capybara-7k")
# Apply chat template
query = [{'role': 'user', 'content': 'Hi! How are you doing?'}]
prompt = tokenizer.apply_chat_template(query, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors='pt')
# Generation with specific configurations
output = model.generate(
  **inputs,
  max_new_tokens=128,
  do_sample=True,
  temperature=0.7
)
response = tokenizer.batch_decode(output)
#<|user|>
#Hi! How are you doing?</s>
#<|assistant|>
#I'm doing well, thank you! How are you?</s>

📎 Citation

@misc{hong2024orpo,
      title={ORPO: Monolithic Preference Optimization without Reference Model}, 
      author={Jiwoo Hong and Noah Lee and James Thorne},
      year={2024},
      eprint={2403.07691},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
24c1172

0 моделей