Характеристики

Контекст: 2 048 токенов
Параметры: 50,9 млн
Лицензия: Apache 2.0
Архитектура: gpt_neox · dense
Опубликована: 8 ноя 2023

Ссылки

Hugging Face arXiv 2101.00027

pythia-70m-helpful-sft

lomahony

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная GPT-NeoX-модель, дообученная на полезных диалогах для генерации ответов.

87скачиваний за 30 дней0лайковвеса обновлены20 янв 2025

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-70m-helpful-sft — языковая модель, дообученная Лорой О’Махони и соавторами на базе Pythia-70m с помощью библиотеки TRLx. Для обучения использована полезная часть датасета Anthropic HH-RLHF; дообучение в один проход. Модель построена на архитектуре GPT-NeoX и содержит 50,9 млн параметров.

Модель предназначена для генерации текста и ответов в стиле полезного диалога на английском языке. Её можно использовать для экспериментов с поведением небольших языковых моделей и изучения влияния supervised fine-tuning; карточка также содержит результаты тестирования на наборах ARC. Контекст составляет 2048 токенов.

Модель распространяется по лицензии Apache-2.0. Это небольшой исследовательский чекпойнт, поэтому его возможности ограничены по сравнению с современными крупными моделями; результаты на приведённых в карточке тестах не гарантируют качества в других сценариях.

Сценарии применения

генерация полезных ответов на английском языке
эксперименты с дообучением малых языковых моделей
изучение влияния supervised fine-tuning на поведение модели

Ограничения

Модель содержит около 50,9 млн параметров и имеет контекст 2048 токенов, поэтому её возможности ограничены по сравнению с крупными современными моделями. Результаты на ARC, приведённые в карточке, не гарантируют качества на других задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей 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-70m 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-70m 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-70m-helpful-sft), gen_kwargs: (None), limit: None, num_fewshot: 0, batch_size: 16

Tasks	Version	Filter	Metric	Value		Stderr
arc_challenge	1	none	acc	0.1715	±	0.0110
		none	acc_norm	0.2082	±	0.0119
arc_easy	1	none	acc	0.3384	±	0.0097
		none	acc_norm	0.3262	±	0.0096
boolq	2	none	acc	0.4239	±	0.0086
hellaswag	1	none	acc	0.2629	±	0.0044
		none	acc_norm	0.2691	±	0.0044
lambada_openai	1	none	perplexity	5937.7964	±	424.7555
		none	acc	0.0328	±	0.0025
openbookqa	1	none	acc	0.1580	±	0.0163
		none	acc_norm	0.2520	±	0.0194
piqa	1	none	acc	0.5593	±	0.0116
		none	acc_norm	0.5392	±	0.0116
sciq	1	none	acc	0.3710	±	0.0153
		none	acc_norm	0.4990	±	0.0158
wikitext	2	none	word_perplexity	550.5954	±	N/A
		none	byte_perplexity	3.2550	±	N/A
		none	bits_per_byte	1.7027	±	N/A
winogrande	1	none	acc	0.4878	±	0.0140

hf (pretrained=lomahony/pythia-70m-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	0.1869	±	0.0114
		none	5	acc_norm	0.2210	±	0.0121
arc_easy	1	none	5	acc	0.3207	±	0.0096
		none	5	acc_norm	0.3245	±	0.0096
boolq	2	none	5	acc	0.4159	±	0.0086
hellaswag	1	none	5	acc	0.2633	±	0.0044
		none	5	acc_norm	0.2596	±	0.0044
lambada_openai	1	none	5	perplexity	19968.0749	±	1423.3001
		none	5	acc	0.0202	±	0.0020
openbookqa	1	none	5	acc	0.1440	±	0.0157
		none	5	acc_norm	0.2420	±	0.0192
piqa	1	none	5	acc	0.5359	±	0.0116
		none	5	acc_norm	0.5229	±	0.0117
sciq	1	none	5	acc	0.3240	±	0.0148
		none	5	acc_norm	0.4310	±	0.0157
wikitext	2	none	5	word_perplexity	550.5954	±	N/A
		none	5	byte_perplexity	3.2550	±	N/A
		none	5	bits_per_byte	1.7027	±	N/A
winogrande	1	none	5	acc	0.5154	±	0.0140

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: 436bbed