Характеристики

Контекст: 2 048 токенов
Параметры: 3,5 млрд
Лицензия: Apache 2.0
Архитектура: gpt_neox · dense
Опубликована: 8 ноя 2023

Ссылки

Hugging Face arXiv 2101.00027

pythia-2.8b-helpful-sft

lomahony

Генерация текстаТекст → текст3 профессии

Англоязычная модель Pythia-2.8B, дообученная на полезных ответах из Anthropic HH-RLHF для генерации текста.

42скачиваний за 30 дней0лайковвеса обновлены14 мая 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

lomahony/pythia-2.8b-helpful-sft — языковая модель, дообученная Лорой О’Махони на базе Pythia-2.8B с помощью библиотеки TRLx. Для обучения в течение одной эпохи использовалась полезная часть набора Anthropic HH-RLHF. Модель построена на архитектуре GPT-NeoX и содержит 3,5 млрд параметров.

Модель предназначена для генерации текста с уклоном в полезные ответы на запросы пользователя. Её можно применять для экспериментов с поведением языковых моделей, изучения влияния дообучения и генерации ответов на английском языке. В карточке также приведены результаты оценки на наборах ARC Challenge и ARC Easy.

Контекст модели составляет 2048 токенов. Доступны веса в форматах PyTorch и Safetensors, а лицензия — Apache-2.0. Модель обучена на английских данных; её результаты и полезность за пределами описанного обучения отдельно не подтверждены.

Сценарии применения

генерация полезных ответов на вопросы на английском языке
эксперименты с дообучением языковых моделей на предпочтениях людей
изучение изменения поведения модели после supervised fine-tuning
оценка генеративной модели на задачах ARC

Ограничения

Контекст ограничен 2048 токенами. Модель дообучена на полезной части HH-RLHF всего одну эпоху; README не содержит подробной оценки качества диалогов или гарантий устойчивого следования инструкциям.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Pythia-2.8b supervised finetuned using TRLx library with the helpful subset of Anthropic-hh-rlhf dataset for 1 epoch.

Checkpoints are also uploaded.

Fully reproducible finetuning code is available on GitHub

wandb log

See Pythia-2.8b for model details (paper).

See further details of these models in the paper Attributing Mode Collapse in the Fine-Tuning of Large Language Models.

You can cite these models if they are helpful as follows:

hf (pretrained=lomahony/pythia-2.8b-helpful-sft), gen_kwargs: (None), limit: None, num_fewshot: 0, batch_size: 16

Tasks	Version	Filter	Metric	Value		Stderr
arc_challenge	1	none	acc	0.2901	±	0.0133
		none	acc_norm	0.3404	±	0.0138
arc_easy	1	none	acc	0.6469	±	0.0098
		none	acc_norm	0.5766	±	0.0101
boolq	2	none	acc	0.6361	±	0.0084
hellaswag	1	none	acc	0.4557	±	0.0050
		none	acc_norm	0.5984	±	0.0049
lambada_openai	1	none	perplexity	5.2226	±	0.1377
		none	acc	0.6210	±	0.0068
openbookqa	1	none	acc	0.2640	±	0.0197
		none	acc_norm	0.3760	±	0.0217
piqa	1	none	acc	0.7481	±	0.0101
		none	acc_norm	0.7481	±	0.0101
sciq	1	none	acc	0.8800	±	0.0103
		none	acc_norm	0.8180	±	0.0122
wikitext	2	none	word_perplexity	13.4928	±	N/A
		none	byte_perplexity	1.6268	±	N/A
		none	bits_per_byte	0.7020	±	N/A
winogrande	1	none	acc	0.6125	±	0.0137

hf (pretrained=lomahony/pythia-2.8b-helpful-sft), gen_kwargs: (None), limit: None, num_fewshot: 5, batch_size: 16

Tasks	Version	Filter	n-shot	Metric	Value		Stderr
arc_challenge	1	none	5	acc	0.3285	±	0.0137
		none	5	acc_norm	0.3677	±	0.0141
arc_easy	1	none	5	acc	0.6873	±	0.0095
		none	5	acc_norm	0.6835	±	0.0095
boolq	2	none	5	acc	0.6670	±	0.0082
hellaswag	1	none	5	acc	0.4542	±	0.0050
		none	5	acc_norm	0.5963	±	0.0049
lambada_openai	1	none	5	perplexity	7.4076	±	0.2095
		none	5	acc	0.5486	±	0.0069
openbookqa	1	none	5	acc	0.2680	±	0.0198
		none	5	acc_norm	0.3620	±	0.0215
piqa	1	none	5	acc	0.7568	±	0.0100
		none	5	acc_norm	0.7486	±	0.0101
sciq	1	none	5	acc	0.9380	±	0.0076
		none	5	acc_norm	0.9330	±	0.0079
wikitext	2	none	5	word_perplexity	13.4928	±	N/A
		none	5	byte_perplexity	1.6268	±	N/A
		none	5	bits_per_byte	0.7020	±	N/A
winogrande	1	none	5	acc	0.5935	±	0.0138

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: GPTNeoXForCausalLM
Ревизия весов: 29460d4