/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
9,1 млрд
Размер весов
16,3 ГБ
Лицензия
BigScience BLOOM RAIL 1.0
Архитектура
bloom · dense
Опубликована
1 мая 2023

bloomz-rlhf

Генерация текстаТекст → текст7 профессий

Экспериментальная многоязычная чат-модель на базе BLOOMZ, дообученная по конвейеру RLHF для ответов на инструкции и генерации текста.

91скачиваний за 30 дней10лайковвеса обновлены11 мая 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

keyfan/bloomz-rlhf — экспериментальная чат-модель на архитектуре BLOOM, созданная как попытка воспроизвести конвейер обучения с подкреплением на основе отзывов людей (RLHF). В качестве базовой модели использована bigscience/bloomz-7b1-mt; модель содержит около 9,1 млрд параметров и поддерживает контекст до 2048 токенов.

Модель прошла supervised fine-tuning на наборах диалоговых и инструкционных данных, затем обучение reward model и этап reinforcement learning с использованием trlx. Она предназначена для генерации ответов в диалоге, выполнения инструкций, суммаризации, вопросов и ответов, перефразирования и генерации текста. В README приведён результат оценки на китайском наборе BELLE; языки карточки — китайский и английский.

Это попытка воспроизведения RLHF, поэтому приведённые оценки не гарантируют качество на других задачах и языках. Лицензия — BigScience BLOOM RAIL 1.0; перед применением следует учитывать её условия и ограничения.

Сценарии применения

  • ответы на пользовательские вопросы в диалоге
  • выполнение текстовых инструкций на китайском и английском
  • суммаризация текстов
  • перефразирование и переписывание текста
  • генерация идей и свободного текста

Ограничения

Модель представлена как попытка воспроизвести RLHF; результаты оценки приведены только для китайского набора BELLE и не гарантируют качества в других условиях. Для оценки на Vicuna наборе авторы не приводят баллы из-за чувствительности сравнения к порядку ответов.

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

This is an attempt to replicate the RLHF pipeline

Base Model

We used bloomz-7b1-mt because of its less-restricted license and multilingual ability.

Supervised Fintune

For SFT we used a combination of multiple datasets including:

Reward Model

For RM we used the code of reward-modeling repo and datasets from

Reinforcement Learning

For RL we used the code of trlx with slight modification.

Instead of building value network upon the policy network with a single linear layer, we add another hydra head upon the reference network's frozen bottom layers as value network.

Example

We used Vicuna v1.1 template for model training

from transformers import AutoModelForCausalLM, AutoTokenizer

checkpoint = "keyfan/bloomz-rlhf"

tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForCausalLM.from_pretrained(checkpoint).cuda()

template = ("A chat between a curious human and an artificial intelligence assistant. "
            "The assistant gives helpful, detailed, and polite answers to the human's questions. "
            "USER: {}\nASSISTANT:")
question = template.format("Who was the president of the United States in 1955?")
inputs = tokenizer.encode(question, return_tensors="pt").cuda()
outputs = model.generate(inputs, do_sample=True, top_p=0.8, max_new_tokens=512)
print(tokenizer.decode(outputs[0]))

Evalutions

Result on the Chinese BELLE eval set

othersrewriteclassificationgenerationsummarizationextractopen qabrainstormingclosed qamacro avemacro ave w/o others
0.6190.8730.7060.9340.7550.6190.5270.9080.6150.7280.742
  • We found in GPT-4 evaluation the order in which the responses were presented has unneglectable affect on the final score even with the very-well designed Vicuna prompt. So we removed the score on the Vicuna eval set.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BloomForCausalLM
Ревизия весов
4d1d43f

0 моделей