/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
14 млрд
Размер весов
29,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-14B-Instruct
Библиотека
transformers
Опубликована
20 сен 2024

lambda-qwen2.5-14b-dpo-test

Генерация текстаТекст → текст8 профессий

Экспериментальная диалоговая модель Qwen2.5 с 14 млрд параметров, дообученная методом DPO для генерации текстовых ответов.

52скачиваний за 30 дней10лайковвеса обновлены20 сен 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.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,426

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3624

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,8231

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,5461

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,4848

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6394

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

lambda-qwen2.5-14b-dpo-test — диалоговая языковая модель на архитектуре Qwen2, разработанная автором репозитория как дообучение Qwen/Qwen2.5-14B-Instruct методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель с 14 млрд параметров предназначена для генерации текста и диалоговых ответов; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст. Контекстное окно — 32 768 токенов.

В README приведены метрики оценки на тестовой выборке, включая точность предпочтений 0,74 и отрыв наград 0,8984; подробности методики и интерпретации результатов не раскрыты. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Карточка содержит суффикс «test» в названии, но описывает полноценное дообучение и приводит результаты оценки, поэтому это экспериментальная модель, а не тестовая заглушка.

Сценарии применения

  • создание ответов в диалоговом помощнике
  • генерация текста по пользовательским инструкциям
  • подготовка структурированных текстовых ответов
  • эксперименты с DPO и выравниванием языковых моделей

Ограничения

README не описывает ограничения и условия применения. Приведённые метрики относятся к оценочной выборке, но методика оценки не раскрыта.

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

lambda-qwen2.5-14b-dpo-test

This model is a fine-tuned version of Qwen/Qwen2.5-14B-Instruct on the HuggingFaceH4/ultrafeedback_binarized dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4919
  • Rewards/chosen: -2.4745
  • Rewards/rejected: -3.3729
  • Rewards/accuracies: 0.7400
  • Rewards/margins: 0.8984
  • Logps/rejected: -832.0724
  • Logps/chosen: -737.5234
  • Logits/rejected: -1.2739
  • Logits/chosen: -1.2560

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • total_eval_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossRewards/chosenRewards/rejectedRewards/accuraciesRewards/marginsLogps/rejectedLogps/chosenLogits/rejectedLogits/chosen
0.52690.20941000.5333-1.6756-2.33200.70000.6564-727.9815-657.6356-1.3952-1.3850
0.50860.41872000.5044-2.0906-2.92870.70400.8381-787.6511-699.1298-1.2939-1.2773
0.47870.62813000.4948-2.2927-3.16890.73200.8762-811.6696-719.3386-1.2846-1.2646
0.48250.83754000.4924-2.4470-3.34100.74000.8939-828.8748-734.7765-1.2644-1.2477

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.4.0+cu121
  • Datasets 2.19.1
  • Tokenizers 0.19.1

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
96607ee

0 моделей