/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
WTFPL
Архитектура
llama · dense
Опубликована
25 июл 2024

llama-3.1-8b-instruct-ortho-v7

Генерация текстаТекст → текст3 профессии

Экспериментальная модификация Llama 3.1 8B Instruct для изучения и изменения границ отказа при генерации текста.

34скачиваний за 30 дней0лайковвеса обновлены30 июл 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.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0272

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3616

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3515

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2727

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3907

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1974

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7 — экспериментальная версия Llama 3.1 8B Instruct, созданная автором карточки путём ортогонализации и ослабления механизмов отказа модели. В README описаны несколько вариантов метода, основанного на работе «Mechanistically Eliciting Latent Behaviors in Language Models»; в этой версии изменён слой down_proj одного слоя. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, рассчитана на генерацию текста и диалоговое использование, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии WTFPL.

Модель предназначена для экспериментов с поведением отказов и ответами на запросы, на которые исходная инструктивная модель могла отказаться отвечать. Автор отмечает, что варианты отличаются векторами и границами отказа, но ни один не является полностью «разблокированным». Изменение одного слоя, по оценке автора, обычно ограничивает побочные нарушения поведения. README не перечисляет языки и не даёт подробных оценок качества.

Сценарии применения

  • изучение поведения отказов языковой модели
  • эксперименты с границами отказа в чат-модели
  • сравнение вариантов ортогонализации Llama 3.1 Instruct

Ограничения

Автор сообщает, что модель не полностью устраняет отказы, а разные варианты имеют разные границы отказа. Метод требует отбора подходящих контрольных векторов из набора запросов; языки и независимые оценки качества в карточке не описаны.

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

A few different attempts at orthogonalization/abliteration of llama-3.1-8b-instruct using variations of the method from "Mechanistically Eliciting Latent Behaviors in Language Models". v1 & v2 were destined for the bit bucket Each of these use different vectors and have some variations in where the new refusal boundaries lie. None of them seem totally jailbroken.

Advantage: only need to alter down_proj for one layer, so there is usually very little brain damage. Disadvantage: using the difference of means method is precisely targetted, while this method requires filtering for interesting control vectors from a selection of prompts

https://huggingface.co/lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v3 https://huggingface.co/lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v4 https://huggingface.co/lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v5 https://huggingface.co/lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v6 https://huggingface.co/lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
6b7673c

0 моделей