/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9 млрд
Размер весов
18,5 ГБ
Архитектура
gemma2 · dense
Опубликована
8 июл 2024

FsfairX-Gemma2-RM-v0.1

Классификация текстаТекст → label3 профессии

Модель вознаграждения на базе Gemma-2-9B оценивает диалоговые ответы для ранжирования и RLHF.

18скачиваний за 30 дней7лайковвеса обновлены9 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

sfairXC/FsfairX-Gemma2-RM-v0.1 — модель вознаграждения на основе Gemma-2-9B, обученная по рецептам RLHF Workflow с применением Vanilla BT. Она оценивает ответы диалоговой модели и предназначена для использования в RLHF, например при ранжировании вариантов ответа и обучении моделей-помощников. В карточке приведены результаты RewardBench: Chat — 98,04; Chat Hard — 65,35; Safety — 89,54; Reasoning — 92,31.

Модель имеет архитектуру Gemma2ForSequenceClassification, содержит 9 млрд параметров, принимает текст и рассчитана на контекст до 8192 токенов. В метаданных указаны формат safetensors и задача text-classification. README не сообщает лицензию и языки обучения или применения.

Сценарии применения

  • оценка качества ответов чат-модели
  • ранжирование нескольких вариантов ответа
  • выбор предпочтительного ответа в диалоге
  • оценивание ответов для контура RLHF

Ограничения

В README приведены результаты RewardBench, но не описаны языковой охват и условия оценки; метаданные не содержат сведений о лицензии.

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

This is a Vanilla BT based Reward model based on Gemma-2-9B. The recipes are from RLHF Workflow.

We have the reward-bench result:

Chat: 98.04

Chat Hard: 65.35

Safety: 89.54

Reasoning: 92.31

Please refer to

@misc{dong2024rlhf,
      title={RLHF Workflow: From Reward Modeling to Online RLHF}, 
      author={Hanze Dong and Wei Xiong and Bo Pang and Haoxiang Wang and Han Zhao and Yingbo Zhou and Nan Jiang and Doyen Sahoo and Caiming Xiong and Tong Zhang},
      year={2024},
      eprint={2405.07863},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForSequenceClassification
Ревизия весов
6a7fde3

0 моделей