/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
II-Tulu-3B-SFT
Библиотека
transformers
Опубликована
10 дек 2024

Qwen-Tulu-3B-DPO

Генерация текстаТекст → текст4 профессии

Диалоговая модель Qwen2 на 3,1 млрд параметров, дообученная методом DPO для генерации ответов и продолжения текста.

20скачиваний за 30 дней0лайковвеса обновлены12 дек 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

phunguyen01/Qwen-Tulu-3B-DPO — диалоговая языковая модель семейства Qwen2 с 3,1 млрд параметров, дообученная методом DPO на базе phunguyen01/II-Tulu-3B-SFT с использованием TRL. Она предназначена для генерации ответов в чате и других сценариев продолжения текста; карточка показывает запуск через Transformers с сообщением пользователя и генерацией ответа. Модель поддерживает контекст до 32 768 токенов и опубликована в формате safetensors.

Модель рассчитана на диалоговое взаимодействие и предоставляет интерфейс вызова инструментов. Карточка не уточняет языковой охват и фактическую надёжность вызова инструментов. Распространяется по лицензии базовой модели, сведения о которой в предоставленных данных отсутствуют.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • продолжение текста по запросу пользователя
  • создание прототипа чат-бота
  • эксперименты с диалоговыми моделями на базе Qwen2

Ограничения

В предоставленной карточке не указаны поддерживаемые естественные языки и лицензия. Качество ответов и надёжность интерфейса вызова инструментов не описаны.

Для каких профессий подходит4

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

Model Card for II-Tulu-3B-DPO

This model is a fine-tuned version of phunguyen01/II-Tulu-3B-SFT. It has been trained using TRL.

image/png

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="phunguyen01/II-Tulu-3B-DPO", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with DPO, a method introduced in Direct Preference Optimization: Your Language Model is Secretly a Reward Model.

Framework versions

  • TRL: 0.12.1
  • Transformers: 4.46.0
  • Pytorch: 2.4.0+cu121
  • Datasets: 3.1.0
  • Tokenizers: 0.20.3

Citations

Cite DPO as:

@inproceedings{rafailov2023direct,
    title        = {{Direct Preference Optimization: Your Language Model is Secretly a Reward Model}},
    author       = {Rafael Rafailov and Archit Sharma and Eric Mitchell and Christopher D. Manning and Stefano Ermon and Chelsea Finn},
    year         = 2023,
    booktitle    = {Advances in Neural Information Processing Systems 36: Annual Conference on Neural Information Processing Systems 2023, NeurIPS 2023, New Orleans, LA, USA, December 10 - 16, 2023},
    url          = {http://papers.nips.cc/paper_files/paper/2023/hash/a85b405ed65c6477a4fe8302b5e06ce7-Abstract-Conference.html},
    editor       = {Alice Oh and Tristan Naumann and Amir Globerson and Kate Saenko and Moritz Hardt and Sergey Levine},
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
7ec9b51

0 моделей