/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
CC BY-SA 4.0
Архитектура
mistral · dense
Опубликована
20 апр 2024

FsfairX-Zephyr-Chat-v0.1

Генерация текстаТекст → текст8 профессий

Чат-модель семейства Mistral, дообученная методом итеративного RLHF для генерации ответов в диалоге.

40скачиваний за 30 дней8лайковвеса обновлены24 апр 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

FsfairX-Zephyr-Chat-v0.1 — чат-модель, разработанная авторами репозитория sfairXC. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров с контекстом до 32 768 токенов. Она создана методом итеративного обучения с подкреплением по обратной связи (GSHF): три итерации применены к HuggingFaceH4/mistral-7b-sft-beta с оценками reward model и примерно 60 тысячами промптов, сгенерированных ChatGPT; внешние ответы в обучении не использовались.

Модель предназначена для диалогов и генерации ответов в формате чат-шаблона базовой модели. В README сообщаются результаты оценки на Alpaca Eval v2 и MT-bench, но они не гарантируют качество в иных сценариях. Язык карточки и метаданные не подтверждают конкретные языки обучения или поддержки. Модель распространяется по лицензии CC BY-SA 4.0.

Сценарии применения

  • ответы на вопросы в чат-боте
  • ведение диалога с пользователем
  • генерация структурированных текстовых ответов

Ограничения

README приводит результаты отдельных бенчмарков, которые не гарантируют качество на других задачах. Подтверждённые языки поддержки не указаны.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is the RLHF version of HuggingFaceH4/mistral-7b-sft-beta without any external responses.

We perform GSHF algorithm on SFT baseline. The external signals include (1) Reward model; (2) AI-generated Prompts.

We obtain 35.95% win-rate (34.79% LC win-rate) on Alpaca Eval v2. The win-rate of the base model is only 4.63%.

For MT-bench, it obtained about 7.5, where the base model is only 5.3.

We have demonstrated the significant potential of the iterative RLHF algorithm for LLMs to deliver appropriate and well-structured responses, even without any external responses.

Model Details

We perform 3 iterations of GSHF algorithm on HuggingFaceH4/mistral-7b-sft-beta labeled by reward model, where prompts are generated by ChatGPT with self-instruct type prompt augmentation.

We use AI-generated 60K prompts in the training process.

Examples are as below,

{"prompt": "Why is gold considered a good reserve asset for central banks?"}
{"prompt": "What are the top 5 yoga poses for stress relief?"}
{"prompt": "Craft a blog title about the health implications of eating avocados daily based on their caloric value."}
{"prompt": "Design a simple HTML chat interface that simulates a conversation between a user and a bot, displaying two messages from each."}
{"prompt": "List 10 names from different cultures that embody the meanings of peace, harmony, or compassion."}

Uses

The usage and chat template format follow the SFT model HuggingFaceH4/mistral-7b-sft-beta.

# Install transformers from source - only needed for versions <= v4.34
# pip install git+https://github.com/huggingface/transformers.git
# pip install accelerate

import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="sfairXC/FsfairX-Zephyr-Chat-v0.1", torch_dtype=torch.bfloat16, device_map="auto")

# We use the tokenizer's chat template to format each message - see https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {"role": "system", "content": "You are a friendly chatbot who always responds in the style of a pirate"},
    {"role": "user",   "content": "How many helicopters can a human eat in one sitting?"},
]
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipe(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])
# <|system|>
# You are a friendly chatbot who always responds in the style of a pirate.</s>
# <|user|>
# How many helicopters can a human eat in one sitting?</s>
# <|assistant|>
# Ah, me hearty matey! But yer question be a puzzler! A human cannot eat a helicopter in one sitting, as helicopters are not edible. They be made of metal, plastic, and other materials, not food!

Evaluation

The evaluation on Alpaca Eval v2 are provided as below,

ModelWin RateLC Win RateAvg Length
Base4.638.01916
Iteration 113.2620.811205
Iteration 223.5727.631623
Iteration 335.9534.792275

Citation

If you found this helpful, please cite the following papers.

@article{dong2023raft,
  title={Raft: Reward ranked finetuning for generative foundation model alignment},
  author={Dong, Hanze and Xiong, Wei and Goyal, Deepanshu and Pan, Rui and Diao, Shizhe and Zhang, Jipeng and Shum, Kashun and Zhang, Tong},
  journal={arXiv preprint arXiv:2304.06767},
  year={2023}
}

@misc{xiong2024iterative,
      title={Iterative Preference Learning from Human Feedback: Bridging Theory and Practice for RLHF under KL-Constraint}, 
      author={Wei Xiong and Hanze Dong and Chenlu Ye and Ziqi Wang and Han Zhong and Heng Ji and Nan Jiang and Tong Zhang},
      year={2024},
      eprint={2312.11456},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
e585ddb

0 моделей