/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
15 ГБ
Архитектура
llama · dense
Библиотека
transformers
Опубликована
16 мая 2026

llama-3.1-8b-oracle-rm-hh-rlhf-harmlessness

Классификация текстаТекст → label3 профессии

Reward-модель на базе Llama 3.1 8B для оценки безвредности текстовых ответов в сценариях RLHF.

685скачиваний за 30 дней0лайковвеса обновлены20 сен 2026

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

Модель theSOL1 — reward-модель на базе meta-llama/Llama-3.1-8B, дообученная оценивать безвредность ответов в рамках предпочтений из набора HH-RLHF harmlessness. Это плотная архитектура LlamaForSequenceClassification с 7,5 млрд параметров; она принимает текст и выдаёт оценку для классификации или ранжирования ответов по безвредности. Заявленная длина контекста — 131 072 токена.

Модель предназначена для оценки безопасности текстовых ответов и использования в экспериментах с RLHF и отбором ответов. Она обучена на исходной обучающей части HH-RLHF harmlessness; метрики в карточке не приведены, поэтому качество оценки по ней определить нельзя. Репозиторий содержит веса, токенизатор и конфигурацию и совместим с Transformers версии 4. Лицензия в предоставленных данных не указана.

Сценарии применения

  • оценка безвредности ответов чат-бота
  • сравнение кандидатов ответа по безопасности
  • ранжирование ответов для отбора в RLHF
  • получение оценок предпочтений на данных HH-RLHF harmlessness

Ограничения

В карточке не приведены метрики качества, поэтому точность оценки не подтверждена. Модель обучена на предпочтениях безвредности HH-RLHF и может не отражать другие критерии или распределения запросов.

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

theSOL1/llama-3.1-8b-oracle-rm-hh-rlhf-harmlessness

Reward model trained for the harmlessness preference on HH-RLHF harmlessness; original HH train only.

Model

  • Type: oracle
  • Base checkpoint: meta-llama/Llama-3.1-8B
  • Label type: hard
  • Architecture: LlamaForSequenceClassification
  • Tokenizer: PreTrainedTokenizerFast
  • Transformers compatibility: transformers>=4,<5

Evaluation

Validation metrics are computed on the temporary eval split created by the training sweep.

metricvalue
Raw validation accuracyn/a
Eval lossn/a
Eval marginn/a
Mean rewardn/a

For proxy models, the validation labels are produced by the corresponding oracle reward model.

Loading

from transformers import AutoModelForSequenceClassification, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("theSOL1/llama-3.1-8b-oracle-rm-hh-rlhf-harmlessness")
model = AutoModelForSequenceClassification.from_pretrained("theSOL1/llama-3.1-8b-oracle-rm-hh-rlhf-harmlessness", num_labels=1)

This repository intentionally contains only model, tokenizer, and configuration files. Optimizer states, scheduler states, checkpoints, and trainer state files are not uploaded.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForSequenceClassification
Ревизия весов
bf182ff

0 моделей