Характеристики

Контекст: 4 096 токенов
Параметры: 6,5 млрд
Размер весов: 13,8 ГБ
Лицензия: Apache 2.0
Архитектура: llama · dense
Опубликована: 25 июн 2024

Ссылки

Hugging Face arXiv 2406.18629

DeepSeekMath-Base-SFT-Step-DPO

xinlai

Генерация текстаТекст → текст3 профессии

Текстовая генеративная модель на архитектуре Llama с 6,5 млрд параметров для создания продолжений и ответов.

39скачиваний за 30 дней0лайковвеса обновлены28 июн 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.

Открыть конструктор бенчмарка

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

xinlai/DeepSeekMath-Base-SFT-Step-DPO — текстовая генеративная модель на архитектуре Llama с 6,5 млрд параметров. Репозиторий содержит веса в формате safetensors и опубликован под лицензией Apache 2.0.

Модель предназначена для генерации текста. Название указывает на связь с DeepSeekMath и этапами SFT и DPO, однако карточка не содержит описания обучения или подтверждения базовой модели. Контекст модели составляет 4096 токенов.

Её можно применять для генерации ответов и продолжения текста. Карточка не описывает специальные возможности, качество на математических задачах или известные ограничения сверх указанной длины контекста.

Сценарии применения

генерация продолжения текста
создание текстовых ответов на запросы
эксперименты с генерацией на модели семейства Llama

Ограничения

Длина контекста ограничена 4096 токенами. README не описывает качество, языковую поддержку или специализированные возможности модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.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

Открыть на Hugging Face

Step-DPO: Step-wise Preference Optimization for Long-chain Reasoning of LLMs

🖥️Code | 🤗Data | 📄Paper

This repo contains the DeepSeekMath-Base-SFT-Step-DPO model. It is obtained by performing Step-DPO on DeepSeekMath-Base-SFT.

Step-DPO is a simple, effective, and data-efficient method for boosting the mathematical reasoning ability of LLMs. Notably, Step-DPO, when applied to Qwen2-72B-Instruct, achieves scores of 70.8% and 94.0% on the test sets of MATH and GSM8K without bells and wistles, respectively, surpassing a series of closed-source models, including GPT-4-1106, Claude-3-Opus, and Gemini-1.5-Pro.

Contact

Please submit an issue here or send me an email here.

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: 63fb207