Характеристики

Контекст: 2 048 токенов
Параметры: 3,5 млрд
Размер весов: 5,3 ГБ
Лицензия: Apache 2.0
Архитектура: gpt_neox · dense
Базовая модель: pythia2.8b-sft-tldr
Опубликована: 7 июл 2024

Ссылки

Hugging Face

pythia2.8b-rm-tldr6.9b

mnoukhov

Классификация текстаТекст → label3 профессии

Дообученная GPT-NeoX-модель классификации текста для оценки и отбора ответов.

20скачиваний за 30 дней0лайковвеса обновлены7 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

mnoukhov/pythia2.8b-rm-tldr6.9b — модель классификации текста на основе архитектуры GPT-NeoX, дообученная из mnoukhov/pythia2.8b-sft-tldr. По названию и контексту обучения это модель вознаграждения для оценки текстовых ответов, хотя карточка не описывает её назначение подробно. В репозитории указаны результаты оценки: loss 0,3979 и accuracy 0,8129; размер модели — 3,5 млрд параметров, контекст — 2048 токенов.

Модель принимает текст и выдаёт классификационную оценку. Она может применяться для ранжирования или отбора ответов, например в конвейерах обучения с обратной связью от модели. Поддерживаемые языки и ограничения качества в карточке не раскрыты. Лицензия — Apache-2.0.

Сценарии применения

оценка качества текстовых ответов
ранжирование вариантов ответа по предпочтительности
отбор ответов для конвейера обучения с вознаграждением

Ограничения

В README не описаны назначение модели, обучающие данные и условия оценки, кроме метрик loss и accuracy; эти показатели не позволяют судить о качестве на других задачах. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pythia2.8b-rm-tldr6.9b

This model is a fine-tuned version of mnoukhov/pythia2.8b-sft-tldr on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.3979
Accuracy: 0.8129

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: 1e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
distributed_type: multi-GPU
num_devices: 4
gradient_accumulation_steps: 8
total_train_batch_size: 64
total_eval_batch_size: 8
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
num_epochs: 1
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5048	0.2006	291	0.4736	0.7684
0.4188	0.4011	582	0.4287	0.7951
0.3628	0.6017	873	0.4141	0.8028
0.3203	0.8022	1164	0.3979	0.8129

Framework versions

Transformers 4.41.1
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Модель не помещается в память одной GPU (80 ГБ).

Класс архитектуры: GPTNeoXForSequenceClassification
Ревизия весов: 65e52f8