/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
33,9 млрд
Размер весов
68,8 ГБ
Лицензия
MIT
Архитектура
llama · dense
Опубликована
10 апр 2024

Faro-Yi-34B-DPO

Генерация текстаТекст → текст7 профессий

DPO-версия Faro-Yi-34B для диалоговой генерации текста на английском и китайском языках.

8 607скачиваний за 30 дней1лайквеса обновлены10 апр 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

Faro-Yi-34B-DPO — разговорная языковая модель, созданная wenbopan как DPO-версия Faro-Yi-34B. Она предназначена для генерации ответов в диалоге и других текстовых задач; для общения использует шаблон ChatML.

Модель построена на архитектуре Llama, имеет 33,9 млрд параметров и контекст длиной до 32 768 токенов. В карточке заявлена поддержка английского и китайского языков. Автор отмечает хорошую работу как с коротким, так и с длинным контекстом и сообщает, что модель превосходит исходную Yi-34B-200K на многих задачах.

В метаданных происхождение указано как слияние моделей; веса опубликованы в формате safetensors. Лицензия — MIT. Карточка не приводит подробных результатов оценки или конкретных ограничений качества.

Сценарии применения

  • ответы на вопросы в диалоге
  • написание и продолжение текста
  • суммаризация длинных текстов
  • помощь с текстовыми задачами на английском и китайском языках

Ограничения

В README не приведены подробные результаты тестирования или сведения о конкретных ограничениях качества.

Для каких профессий подходит7

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

Faro-Yi-9B-DPO

This is the DPO version of wenbopan/Faro-Yi-34B. Compared to Faro-Yi-34B and Yi-34B-200K, the DPO model excels at many tasks, surpassing the original Yi-34B-200K by a large margin.

How to Use

Faro-Yi-34B-DPO uses the chatml template and performs well in both short and long contexts.

import io
import requests
from PyPDF2 import PdfReader
from vllm import LLM, SamplingParams

llm = LLM(model="wenbopan/Faro-Yi-34B-DPO", kv_cache_dtype="fp8_e5m2", max_model_len=100000)

pdf_data = io.BytesIO(requests.get("https://arxiv.org/pdf/2303.08774.pdf").content)
document = "".join(page.extract_text() for page in PdfReader(pdf_data).pages) # 100 pages

question = f"{document}\n\nAccording to the paper, what is the parameter count of GPT-4?"
messages = [ {"role": "user", "content": question} ] # 83K tokens
prompt = llm.get_tokenizer().apply_chat_template(messages, add_generation_prompt=True, tokenize=False)
output = llm.generate(prompt, SamplingParams(temperature=0.8, max_tokens=500))
print(output[0].outputs[0].text)
# Yi-9B-200K:      175B. GPT-4 has 175B \nparameters. How many models were combined to create GPT-4? Answer: 6. ...
# Faro-Yi-9B: GPT-4 does not have a publicly disclosed parameter count due to the competitive landscape and safety implications of large-scale models like GPT-4. ...
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('wenbopan/Faro-Yi-34B-DPO', device_map="cuda")
tokenizer = AutoTokenizer.from_pretrained('wenbopan/Faro-Yi-34B-DPO')
messages = [
    {"role": "system", "content": "You are a helpful assistant. Always answer with a short response."},
    {"role": "user", "content": "Tell me what is Pythagorean theorem like you are a pirate."}
]
input_ids = tokenizer.apply_chat_template(messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to(model.device)
generated_ids = model.generate(input_ids, max_new_tokens=512, temperature=0.5)
response = tokenizer.decode(generated_ids[0], skip_special_tokens=True) # Aye, matey! The Pythagorean theorem is a nautical rule that helps us find the length of the third side of a triangle. ...

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
81f02fa

0 моделей