/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
32 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-32B-Instruct
Библиотека
transformers
Опубликована
22 сен 2024

lambda-qwen2.5-32b-dpo-test

Генерация текстаТекст → текст9 профессий

Дообученная методом DPO 32-миллиардная Qwen2.5-Instruct для диалоговой генерации текста и выполнения инструкций.

45скачиваний за 30 дней5лайковвеса обновлены22 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.

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6764

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,5657

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4274

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,6103

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,8084

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3565

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

lambda-qwen2.5-32b-dpo-test — дообученная компанией tanliboy версия инструктивной языковой модели Qwen/Qwen2.5-32B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 32 млрд параметров; она предназначена для диалоговой генерации текста и следует инструкциям. Поддерживает контекст длиной до 32 768 токенов и работает через библиотеку Transformers.

Модель обучена методом DPO на наборе tanliboy/orca_dpo_pairs. В README приведены метрики оценки на тестовом наборе, но подробности о сценариях применения, языковом составе и качестве результатов не раскрыты. Метаданные указывают на интерфейс вызова инструментов; базовая модель рассчитана на программирование, математику и структурированные ответы. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Название с пометкой test и ограниченные сведения о проверке качества не позволяют считать результат подтверждённым для конкретного рабочего сценария.

Сценарии применения

  • диалоговые ответы на инструкции
  • генерация и продолжение текста
  • подготовка структурированных текстовых ответов
  • вызов инструментов через интерфейс модели

Ограничения

README не содержит подробных сведений о предполагаемом применении и ограничениях. Приведённые метрики не сопровождаются описанием протокола оценки, поэтому они сами по себе не подтверждают пригодность модели для конкретных задач.

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

lambda-qwen2.5-32b-dpo-test

This model is a fine-tuned version of Qwen/Qwen2.5-32B-Instruct on the tanliboy/orca_dpo_pairs dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0003
  • Rewards/chosen: -10.1618
  • Rewards/rejected: -26.1150
  • Rewards/accuracies: 1.0
  • Rewards/margins: 15.9532
  • Logps/rejected: -3049.5271
  • Logps/chosen: -1372.8903
  • Logits/rejected: -0.3154
  • Logits/chosen: -0.0600

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: 2
  • total_train_batch_size: 32
  • 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
0.01030.26181000.0060-8.5159-18.77311.010.2572-2315.3333-1208.2968-0.5485-0.2481
0.00050.52362000.0005-9.9255-24.91171.014.9862-2929.1948-1349.2588-0.3723-0.0661
0.00050.78533000.0004-10.0873-25.93191.015.8446-3031.2175-1365.4342-0.2882-0.0014

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
675b60d

0 моделей