/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Базовая модель
Qwen2-0.5B-Instruct
Библиотека
transformers
Опубликована
23 окт 2024

Qwen2-0.5B-OnlineDPO

Генерация текстаТекст → текст3 профессии

Компактная диалоговая модель Qwen2, дообученная методом Online DPO для генерации текста и ответов на запросы.

30скачиваний за 30 дней1лайквеса обновлены23 окт 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 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

Qwen2-0.5B-OnlineDPO — компактная языковая модель на архитектуре Qwen2, дообученная командой TRL на базе Qwen/Qwen2-0.5B-Instruct методом Online DPO. Модель предназначена для диалоговой генерации текста и ответов на запросы; в карточке приведён пример работы с сообщением пользователя через библиотеку Transformers.

Модель содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Карточка не описывает датасет или измеренные показатели качества; лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоге
  • ответы на вопросы и запросы пользователя
  • создание прототипа чат-бота

Ограничения

В карточке не приведены датасет и результаты оценки качества, поэтому возможности модели по отдельным типам запросов не подтверждены. Компактный размер модели может ограничивать качество и сложность ответов.

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

Model Card for Qwen2-0.5B-OnlineDPO

This model is a fine-tuned version of Qwen/Qwen2-0.5B-Instruct. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="qgallouedec/Qwen2-0.5B-OnlineDPO", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with Online DPO, a method introduced in Direct Language Model Alignment from Online AI Feedback.

Framework versions

  • TRL: 0.12.0.dev0
  • Transformers: 4.46.0.dev0
  • Pytorch: 2.4.1
  • Datasets: 3.0.1
  • Tokenizers: 0.20.0

Citations

Cite Online DPO as:

@article{guo2024direct,
    title        = {{Direct Language Model Alignment from Online AI Feedback}},
    author       = {Shangmin Guo and Biao Zhang and Tianlin Liu and Tianqi Liu and Misha Khalman and Felipe Llinares and Alexandre Ram{'{e}} and Thomas Mesnard and Yao Zhao and Bilal Piot and Johan Ferret and Mathieu Blondel},
    year         = 2024,
    eprint       = {arXiv:2402.04792}
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
f7dcc37

0 моделей