/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Базовая модель
Aira-2-124M
Библиотека
transformers
Опубликована
3 дек 2023

Aira-2-124M-DPO

Генерация текстаТекст → текст3 профессии

Компактная англоязычная GPT-2, дообученная для ответов на инструкции и ведения текстового диалога.

53скачиваний за 30 дней1лайквеса обновлены9 июн 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.

  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

Aira-2-124M-DPO — англоязычная диалоговая модель Nicholas Kluge на архитектуре GPT-2 с 124,4 млн параметров. Она дообучена на Aira-2-124M: сначала методом supervised fine-tuning на синтетических парах инструкций и ответов, затем методом DPO на наборе предпочтений, подготовленном с помощью Aira-RewardModel.

Модель предназначена для генерации ответов на инструкции и реплики пользователя в диалоге. Она принимает текст и выдаёт текст; родной контекст составляет 1024 токена. Модель компактна, но может галлюцинировать, воспроизводить стереотипы и токсичные высказывания, повторяться или давать излишне многословные ответы. Выпущена под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы пользователя на английском языке
  • генерация ответов на текстовые инструкции
  • создание простого диалогового помощника
  • эксперименты с DPO и выравниванием языковых моделей

Ограничения

Модель может галлюцинировать, воспроизводить стереотипы и токсичные высказывания, а также повторяться или отвечать чрезмерно многословно. Контекст ограничен 1024 токенами.

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

Aira-2-124M-DPO

Aira-2 is the second version of the Aira instruction-tuned series. Aira-2-124M-DPO is an instruction-tuned model further fine-tuned via DPO based on Aira-2-124M. The model was first trained with supervised fine-tuning (STF) with a dataset composed of prompts and completions generated synthetically by prompting already-tuned models (ChatGPT, Llama, Open-Assistant, etc). Secondly, the model was fine-tuned again via DPO using a reward dataset created by the Aira-RewardModel.

Check our gradio-demo in Spaces.

Details

  • Size: 124,441,344 parameters
  • Datasets: Instruct-Aira Dataset, Reward-Aira Dataset
  • Language: English
  • Number of Epochs: 1
  • Batch size: 8
  • Optimizer: torch.optim.AdamW (warmup_steps = 1e2, learning_rate = 5e-5, epsilon = 1e-8)
  • GPU: 1 NVIDIA A100-SXM4-40GB
  • Emissions: 0.15 KgCO2 (Singapore)
  • Total Energy Consumption: 0.32 kWh

This repository has the source code used to train this model.

Usage

Three special tokens are used to mark the user side of the interaction and the model's response:

<|startofinstruction|>What is a language model?<|endofinstruction|>A language model is a probability distribution over a vocabulary.<|endofcompletion|>

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

tokenizer = AutoTokenizer.from_pretrained('nicholasKluge/Aira-2-124M-DPO')
aira = AutoModelForCausalLM.from_pretrained('nicholasKluge/Aira-2-124M-DPO')

aira.eval()
aira.to(device)

question =  input("Enter your question: ")

inputs = tokenizer(tokenizer.bos_token + question + tokenizer.sep_token,
  add_special_tokens=False,
  return_tensors="pt").to(device)

responses = aira.generate(**inputs,	num_return_sequences=2)

print(f"Question: 👤 {question}\n")

for i, response in  enumerate(responses):
	print(f'Response {i+1}: 🤖 {tokenizer.decode(response, skip_special_tokens=True).replace(question, "")}')

The model will output something like:

>>>Question: 👤 What is the capital of Brazil?

>>>Response 1: 🤖 The capital of Brazil is Brasília.
>>>Response 2: 🤖 The capital of Brazil is Brasília.

Limitations

  • Hallucinations: This model can produce content that can be mistaken for truth but is, in fact, misleading or entirely false, i.e., hallucination.

  • Biases and Toxicity: This model inherits the social and historical stereotypes from the data used to train it. Given these biases, the model can produce toxic content, i.e., harmful, offensive, or detrimental to individuals, groups, or communities.

  • Repetition and Verbosity: The model may get stuck on repetition loops (especially if the repetition penalty during generations is set to a meager value) or produce verbose responses unrelated to the prompt it was given.

Evaluation

ModelAverageARCTruthfulQAToxiGen
Aira-2-124M-DPO40.6824.6642.6154.79
Aira-2-124M38.0724.5741.0248.62
GPT-235.3721.8440.6743.62
Aira-2-355M39.6827.5638.5353.19
GPT-2-medium36.4327.0540.7641.49
Aira-2-774M42.2628.7541.3356.70
GPT-2-large35.1625.9438.7140.85
Aira-2-1B542.2228.9241.1656.60
GPT-2-xl36.8430.2938.5441.70

Cite as 🤗

@misc{nicholas22aira,
  doi = {10.5281/zenodo.6989727},
  url = {https://github.com/Nkluge-correa/Aira},
  author = {Nicholas Kluge Corrêa},
  title = {Aira},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
}

@phdthesis{kluge2024dynamic,
  title={Dynamic Normativity},
  author={Kluge Corr{\^e}a, Nicholas},
  year={2024},
  school={Universit{\"a}ts-und Landesbibliothek Bonn}
}

License

Aira-2-124M-DPO is licensed under the Apache License, Version 2.0. See the LICENSE file for more details.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
7484a46

0 моделей