1.4b Pythia model after SFT on the AlpacaFarm dataset 'sft' split.
Policy model from 'Reward Model Ensembles Mitigate Overoptimization'
Характеристики
- Контекст
- 2 048 токенов
- Параметры
- 1,7 млрд
- Архитектура
- gpt_neox · dense
- Опубликована
- 28 янв 2024
Ссылки
pythia_1.4b_sft_policy
Дообученная на AlpacaFarm версия Pythia с 1,7 млрд параметров для генерации текста по инструкциям и исследовательских экспериментов.
1 123скачиваний за 30 дней1лайквеса обновлены12 фев 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Модель tlc4418/pythia_1.4b_sft_policy — версия Pythia на 1,7 млрд параметров, дообученная методом supervised fine-tuning на разделении sft набора AlpacaFarm. В README она обозначена как policy-модель из работы «Reward Model Ensembles Mitigate Overoptimization». Архитектура — плотная GPT-NeoX для генерации текста; контекст составляет 2048 токенов.
Модель предназначена для генерации текста в сценариях следования инструкциям, связанных с обучением и исследованием языковых моделей по методике AlpacaFarm. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных материалах отсутствуют.
Сценарии применения
- генерация ответов на пользовательские инструкции
- эксперименты с обучением policy-моделей
- воспроизведение исследований на основе AlpacaFarm
Ограничения
Контекст ограничен 2048 токенами. Язык обучения, качество ответов и условия лицензии в предоставленных материалах не описаны.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- GPTNeoXForCausalLM
- Ревизия весов
- 7b927d2