/ Модель

Характеристики

Контекст
8 192 токена
Параметры
3,8 млрд
Размер весов
7,9 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
h2o-danube3-4b-base
Опубликована
27 июл 2024

LittleInstructionJudge-4B-v0.1

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель для классификации и оценки качества инструкций в роли LLM-судьи при подготовке наборов данных.

20скачиваний за 30 дней0лайковвеса обновлены7 авг 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

LittleInstructionJudge-4B-v0.1 — компактная языковая модель, созданная trollek дообучением h2oai/h2o-danube3-4b-base с помощью BAdam. Она предназначена для оценки инструкций в роли LLM-судьи, в частности для предварительной фильтрации низкокачественных инструкций при создании наборов данных методом Magpie в условиях ограниченных аппаратных ресурсов.

По заданному шаблону модель формирует JSON-оценку с полями intent, knowledge, task_category, other_task_category, difficulty, quality_explanation и instruct_reward. Модель имеет плотную архитектуру семейства Llama, около 3,8 млрд параметров и контекст до 8192 токенов. Карточка ориентирована на английские инструкции; опубликована в формате safetensors и имеет лицензию Apache-2.0.

Автор предупреждает, что значение instruct_reward некорректно из-за ошибки при обучении, а остальные оценки могут быть мало полезны; по его оценке, другие модели с подходящим промптом могут справляться лучше. Также отмечена проблема загрузки модели в LM Studio, тогда как Ollama запускает её без этой проблемы.

Сценарии применения

  • отсеивание низкокачественных инструкций при создании датасета Magpie
  • классификация инструкций по категориям задач
  • оценка сложности пользовательских инструкций
  • формирование объяснения оценки качества инструкции

Ограничения

Автор сообщает, что instruct_reward обучен некорректно и ему нельзя доверять; остальные оценки тоже могут быть мало полезны, а модели с подходящим промптом могут работать лучше. По README, возможны проблемы с загрузкой в LM Studio; Ollama работает.

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

LittleInstructionJudge-4B-v0.1

Update: The instruct_reward is all out of wack due to a misunderstanding on my part caused by lazyness. The other values are fine, though not as useful if I had actually just read more. Any model with the right prompt is better. Even CleverQwen2-1.5B. The next version will be better.

A BAdam fine-tuned danube3-4b-base to do one thing, and one thing only: Being a lightweight LLM-as-a-Judge for instruction prompts.

The purpose of training this model is to have a small language model that can filter away the worst offenders when creating datasets using the Magpie method in hardware constrained environments.

Important note: For reasons I don't know, I have issues running models like danube3 in LM Studio. Ollama runs them fine though. LMS reports my VRAM as expected, mostly free since it can't load the model, but unexpectedly only about 90 kB unused RAM, even though it knows damn well that there are over 20 gigs worth of memory real estate available.

Promt template

Judge the instruction below using the following json format:
{
  "intent": <the intent of the users instruction>,
  "knowledge": <the knowledge required to respond to the instruction>,
  "task_category": <the primary category that the instruction can be put in>,
  "other_task_category": [<a list of other task categories that the instruction belongs to>],
  "difficulty": <a rating of easy, medium or hard>,
  "quality_explanation": <an explanation of the quality of the users instruction>,
  "instruct_reward": <an integer between -10 and 10 reflecting the quality of the instruction>
}

This is the instruction I need you to judge:

{{instruction}}

Quants

LLama-Factory training config

### model
model_name_or_path: danube3/chatml-base

### method
stage: sft
do_train: true
finetuning_type: full
use_badam: true
badam_switch_mode: ascending
badam_switch_interval: 50
badam_start_block: 6
badam_verbose: 1
seed: 8

### dataset
dataset: balanced_instruction_judge
template: chatml
cutoff_len: 4096
overwrite_cache: false
preprocessing_num_workers: 12

### output
output_dir: danube3/trained/LittleInstructionJudge-4B-v0.1
logging_steps: 5
save_steps: 1
save_strategy: epoch
plot_loss: true
overwrite_output_dir: false

### train
per_device_train_batch_size: 1
gradient_accumulation_steps: 4
learning_rate: 0.0000015
num_train_epochs: 1
lr_scheduler_type: cosine
warmup_ratio: 0.01
pure_bf16: true
flash_attn: fa2

### eval
val_size: 0.02
per_device_eval_batch_size: 1
eval_strategy: steps
eval_steps: 1000

Training results

Training LossEpochStepValidation Loss
0.40620.044110000.3899
0.33460.088220000.3520
0.31920.132330000.3342
0.30070.176340000.3239
0.27920.220450000.3165
0.29570.264560000.3111
0.32540.308670000.3064
0.30580.352780000.3033
0.2980.396890000.3011
0.31570.4409100000.2995
0.33140.4849110000.2979
0.3010.5290120000.2965
0.29270.5731130000.2957
0.31990.6172140000.2950
0.29240.6613150000.2948
0.27840.7054160000.2945
0.30690.7495170000.2943
0.28130.7935180000.2943
0.29340.8376190000.2942
0.27620.8817200000.2942
0.27920.9258210000.2942
0.30570.9699220000.2942

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2aa5b45

0 моделей