/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
tinyllama-1.1b-chat-sft-full
Опубликована
2 июн 2024

tinyllama-1.1b-chat-dpo-full

Генерация текстаТекст → текст3 профессии

Компактная чат-модель TinyLlama, дообученная методом DPO для генерации текста и диалоговых ответов.

21скачиваний за 30 дней0лайковвеса обновлены2 июн 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 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

martimfasantos/tinyllama-1.1b-chat-dpo-full — чат-модель семейства Llama, дообученная автором на martimfasantos/tinyllama-1.1b-chat-sft-full с применением DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста и диалоговых ответов. Она содержит около 1 млрд параметров, принимает текст и формирует текстовые ответы; максимальная длина контекста — 2048 токенов.

В README приведены метрики оценки на тестовом наборе: loss 0,5860, точность предпочтений 0,6890 и разница наград 0,4533. Модель опубликована в формате safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не описывает специальные предметные области или известные ограничения качества.

Сценарии применения

  • генерация ответов в текстовом чат-боте
  • ведение коротких диалогов
  • создание черновиков текста по запросу
  • эксперименты с DPO и выравниванием языковых моделей

Ограничения

Контекст ограничен 2048 токенами; компактный размер модели может ограничивать качество и сложность ответов. README не приводит описания известных ограничений или целевых сценариев.

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

tinyllama-1.1b-chat-dpo-full

This model is a fine-tuned version of martimfasantos/tinyllama-1.1b-chat-sft-full on the HuggingFaceH4/ultrafeedback_binarized dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5860
  • Rewards/chosen: -1.1602
  • Rewards/rejected: -1.6135
  • Rewards/accuracies: 0.6890
  • Rewards/margins: 0.4533
  • Logps/rejected: -458.4552
  • Logps/chosen: -452.2377
  • Logits/rejected: -2.3877
  • Logits/chosen: -2.4300

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossRewards/chosenRewards/rejectedRewards/accuraciesRewards/marginsLogps/rejectedLogps/chosenLogits/rejectedLogits/chosen
0.6930.02621000.6929-0.0014-0.00190.53200.0006-297.2994-336.3557-3.1228-3.1361
0.68870.05232000.6892-0.0302-0.03830.61600.0081-300.9348-339.2341-3.1215-3.1346
0.67890.07853000.6794-0.0789-0.10870.63600.0299-307.9798-344.1051-3.1094-3.1216
0.66240.10474000.6635-0.1807-0.25180.63900.0711-322.2854-354.2890-3.0664-3.0771
0.63730.13095000.6503-0.2988-0.41200.64250.1133-338.3080-366.0959-2.9693-2.9839
0.64230.15706000.6457-0.3891-0.53450.63750.1454-350.5518-375.1291-2.9372-2.9538
0.62660.18327000.6420-0.7030-0.90810.63650.2051-387.9123-406.5211-2.9095-2.9229
0.59420.20948000.6367-0.4969-0.67640.64750.1795-364.7484-385.9118-2.9255-2.9397
0.61710.23559000.6330-0.5389-0.74430.65450.2054-371.5351-390.1065-2.8815-2.8992
0.61560.261710000.6271-0.9278-1.17880.64600.2510-414.9855-428.9975-2.8469-2.8665
0.66360.287911000.6234-0.7984-1.03040.65150.2320-400.1489-416.0618-2.8144-2.8347
0.68320.314112000.6152-1.0303-1.31700.65700.2866-428.8004-439.2536-2.7994-2.8212
0.59670.340213000.6131-1.2342-1.53210.66550.2979-450.3198-459.6400-2.7494-2.7756
0.5960.366414000.6064-0.8587-1.16970.68200.3110-414.0766-422.0903-2.8084-2.8289
0.5920.392615000.6027-0.9689-1.31890.67150.3499-428.9929-433.1132-2.7455-2.7703
0.63530.418716000.6051-0.9640-1.32230.67450.3582-429.3314-432.6226-2.6972-2.7245
0.66030.444917000.6016-0.9893-1.32210.67650.3328-429.3145-435.1521-2.7021-2.7305
0.55510.471118000.6023-1.0035-1.37650.67900.3731-434.7590-436.5641-2.6159-2.6492
0.58770.497319000.5975-0.8137-1.18530.68350.3716-415.6308-417.5872-2.6621-2.6941
0.58270.523420000.5935-0.8724-1.25620.68100.3838-422.7221-423.4575-2.6043-2.6396
0.60170.549621000.5911-1.0065-1.39710.69050.3907-436.8172-436.8658-2.6105-2.6436
0.55390.575822000.5920-0.9060-1.29450.68850.3884-426.5499-426.8195-2.5724-2.6076
0.57950.601923000.5914-1.1164-1.53980.68650.4234-451.0841-447.8605-2.5399-2.5757
0.56570.628124000.5904-1.0347-1.44940.68600.4147-442.0414-439.6861-2.5121-2.5487
0.53060.654325000.5918-1.0464-1.48400.68250.4376-445.5005-440.8591-2.4692-2.5102
0.57620.680526000.5927-1.0687-1.51410.67800.4455-448.5193-443.0862-2.4291-2.4735
0.60160.706627000.5936-1.0767-1.50800.68000.4313-447.9063-443.8889-2.4329-2.4747
0.60680.732828000.5897-1.1905-1.64330.68200.4527-461.4312-455.2722-2.4294-2.4708
0.58210.759029000.5870-1.1245-1.55980.68450.4353-453.0833-448.6697-2.4470-2.4862
0.53930.785130000.5873-1.2223-1.67100.68700.4486-464.2020-458.4521-2.4161-2.4565
0.5770.811331000.5886-1.1359-1.57570.68450.4399-454.6796-449.8056-2.4137-2.4538
0.57310.837532000.5864-1.1928-1.64930.69000.4564-462.0313-455.5009-2.3988-2.4401
0.5860.863633000.5865-1.1740-1.62310.68950.4492-459.4178-453.6159-2.3969-2.4384
0.56290.889834000.5860-1.1573-1.60860.68900.4513-457.9694-451.9486-2.3882-2.4306
0.60590.916035000.5858-1.1672-1.62130.68900.4541-459.2307-452.9388-2.3897-2.4320
0.57030.942236000.5860-1.1607-1.61380.68700.4532-458.4890-452.2865-2.3897-2.4320
0.55330.968337000.5858-1.1623-1.61610.68800.4538-458.7165-452.4510-2.3882-2.4304
0.59880.994538000.5862-1.1608-1.61380.68850.4530-458.4823-452.2973-2.3882-2.4306

Framework versions

  • Transformers 4.41.1
  • Pytorch 2.1.2
  • Datasets 2.19.1
  • Tokenizers 0.19.1

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
3752aff

0 моделей