/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,7 млрд
Лицензия
Своя лицензия
Архитектура
stablelm · dense
Опубликована
21 ноя 2023

stablelm-zephyr-3b

Генерация текстаТекст → текст9 профессий

Англоязычная инструкционная модель Stability AI с 2,7 млрд параметров для диалогов, ответов на запросы и генерации текста.

11 268скачиваний за 30 дней261лайквеса обновлены10 июл 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3683

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0431

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3866

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2391

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1768

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4183

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

StableLM Zephyr 3B — англоязычная инструкционная языковая модель Stability AI на основе декодерного Transformer. Она содержит 2,7 млрд параметров, принимает текст и генерирует текст; размер контекста — 4096 токенов. Модель дообучена методом SFT и выравнивалась с помощью Direct Preference Optimization (DPO) на открытых и синтетических данных, включая наборы диалогов, математических задач и предпочтений. Базовая модель — stabilityai/stablelm-3b-4e1t.

Модель предназначена для диалоговых помощников, ответов на инструкции, генерации текста и прототипирования приложений, которые затем настраивают под конкретную задачу. В README приведены результаты оценок MT-Bench, AlpacaEval и ряда общих тестов; для специализированных сценариев качество следует проверять отдельно. Модель не обучена противостоять состязательным запросам и может выдавать вредные ответы или дезинформацию, поэтому необходимы проверки и защитные механизмы на входе и выходе. Лицензия — Stability AI Community License; для коммерческого использования README предлагает отдельно уточнить условия у Stability AI.

Сценарии применения

  • создание англоязычного чат-бота
  • ответы на вопросы и инструкции
  • составление и перефразирование текстов
  • генерация идей и кратких объяснений
  • прототипирование помощника с последующей настройкой

Ограничения

Модель не обучена противостоять состязательным запросам и может выдавать вредные ответы или дезинформацию; автор рекомендует применять классификаторы и защитные механизмы на входе и выходе. Для конкретных сценариев требуется отдельная оценка качества, а коммерческое использование регулируется условиями Stability AI Community License.

Для каких профессий подходит9

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

StableLM Zephyr 3B

Please note: For commercial use, please refer to https://stability.ai/license.

Model Description

StableLM Zephyr 3B is a 3 billion parameter instruction tuned inspired by HugginFaceH4's Zephyr 7B training pipeline this model was trained on a mix of publicly available datasets, synthetic datasets using Direct Preference Optimization (DPO), evaluation for this model based on MT Bench and Alpaca Benchmark

Usage

StableLM Zephyr 3B uses the following instruction format:

<|user|>
List 3 synonyms for the word "tiny"<|endoftext|>
<|assistant|>
1. Dwarf
2. Little
3. Petite<|endoftext|>

This format is also available through the tokenizer's apply_chat_template method:

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained('stabilityai/stablelm-zephyr-3b')
model = AutoModelForCausalLM.from_pretrained(
    'stabilityai/stablelm-zephyr-3b',
    device_map="auto"
)

prompt = [{'role': 'user', 'content': 'List 3 synonyms for the word "tiny"'}]
inputs = tokenizer.apply_chat_template(
    prompt,
    add_generation_prompt=True,
    return_tensors='pt'
)

tokens = model.generate(
    inputs.to(model.device),
    max_new_tokens=1024,
    temperature=0.8,
    do_sample=True
)

print(tokenizer.decode(tokens[0], skip_special_tokens=False))

You can also see how to run a performance optimized version of this model here using OpenVINO from Intel.

Model Details

Training Dataset

The dataset is comprised of a mixture of open datasets large-scale datasets available on the HuggingFace Hub:

  1. SFT Datasets
  • HuggingFaceH4/ultrachat_200k
  • meta-math/MetaMathQA
  • WizardLM/WizardLM_evol_instruct_V2_196k
  • Open-Orca/SlimOrca
  1. Preference Datasets:
  • HuggingFaceH4/ultrafeedback_binarized
  • Intel/orca_dpo_pairs

Performance

MT-Bench and Alpaca Bench

ModelSizeAlignmentMT-Bench (score)AlpacaEval (win rate %)
StableLM Zephyr 3B 🪁3BDPO6.6476.00
StableLM Zephyr (SFT only)3BSFT6.0471.15
Capybara v1.93BdSFT5.94-
MPT-Chat7BdSFT5.42-
Xwin-LM v0.17BdPPO6.1987.83
Mistral-Instruct v0.17B-6.84-
Zephyr-7b-α7BdDPO6.88-
Zephyr-7b-β7BdDPO7.3490.60
Falcon-Instruct40BdSFT5.1745.71
Guanaco65BSFT6.4171.80
Llama2-Chat70BRLHF6.8692.66
Vicuna v1.333BdSFT7.1288.99
WizardLM v1.070BdSFT7.71-
Xwin-LM v0.170BdPPO-95.57
GPT-3.5-turbo-RLHF7.9489.37
Claude 2-RLHF8.0691.36
GPT-4-RLHF8.9995.28

Other benchmarks:

TaskValue
ARC (25-shot)47.0
HellaSwag (10-shot)74.2
MMLU (5-shot)46.3
TruthfulQA (0-shot)46.5
Winogrande (5-shot)65.5
GSM8K (5-shot)42.3
BigBench (Avg)35.26
AGI Benchmark (Avg)33.23

Training Infrastructure

  • Hardware: StableLM Zephyr 3B was trained on the Stability AI cluster across 8 nodes with 8 A100 80GBs GPUs for each nodes.
  • Code Base: We use our internal script for SFT steps and used HuggingFace Alignment Handbook script for DPO training.

Commitment to Ethical AI

In line with our responsibility towards ethical AI development, StableLM Zephyr 3B is released with a focus on ensuring safety, reliability, and appropriateness in its applications. To this end, we have evaluated StableLM Zephyr 3B on 488 malicious prompts and used standard protocols to assess the harmfulness of its outputs. Compared to Zephyr-7b-β, StableLM Zephyr 3B reduces the number of harmful outputs as assessed by GPT-4 by 55. Additionally, we performed an internal red teaming event targeting the following abuse areas:

  • Self-Harm Methods: (Suicide Methods, Encouragement of Self-Harm, Methods and encouragement of Eating Disorders)
  • Misinformation: (Health, Conspiracy Theories, Social Unrest/Conflict, Political Misinformation, & Climate change)
  • Hate Speech: (Race, Stereotypes, Immigrants, Gender, Personally Identifiable Information such as Social security numbers, Full names, ID numbers, Email addresses, and telephone numbers)

We have incorporated the findings of our malicious prompts evaluation and red teaming event into our release. Users are encouraged to fine-tune and evaluate the model to suit their specific needs, considering the potential biases and limitations found in StableLM Zephyr 3B and inherent in other LLM models.

Use and Limitations

Intended Use

The model is intended to be used as a foundational base model for application-specific fine-tuning. Developers must evaluate and fine-tune the model for safe performance in downstream applications. For commercial use, please refer to https://stability.ai/membership.

Limitations and Bias

​ This model is not trained against adversarial inputs. We strongly recommend pairing this model with an input and output classifier to prevent harmful responses.

Through our internal red teaming, we discovered that while the model will not output harmful information if not prompted to do so, it is willing to output potentially harmful outputs or misinformation when the user requests it. Using this model will require guardrails around your inputs and outputs to ensure that any outputs returned are not misinformation or harmful. Additionally, as each use case is unique, we recommend running your own suite of tests to ensure proper performance of this model. Finally, do not use the models if they are unsuitable for your application, or for any applications that may cause deliberate or unintentional harm to others.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.53.43
AI2 Reasoning Challenge (25-Shot)46.08
HellaSwag (10-Shot)74.16
MMLU (5-Shot)46.17
TruthfulQA (0-shot)46.49
Winogrande (5-shot)65.51
GSM8k (5-shot)42.15

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
StableLmForCausalLM
Ревизия весов
fe1fd5e

0 моделей