Разговорная модель Mixtral MoE, дообученная методом DPO для генерации ответов с учётом предпочтений.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
yunconglong/Truthful_DPO_MOE_19B — разговорная языковая модель на архитектуре Mixtral с разреженной смесью экспертов (MoE), дообученная методом Direct Preference Optimization (DPO) на наборе предпочтений jondurbin/truthy-dpo-v0.1. Модель предназначена для генерации текста в диалоговом формате.
Общий размер модели по метаданным — 10,6 млрд параметров, контекст — до 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория.
Указанный контекст ограничен 4096 токенами. Лицензия обозначена как other, поэтому условия использования требуют проверки в репозитории.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
DPO Trainer TRL supports the DPO Trainer for training language models from preference data, as described in the paper Direct Preference Optimization: Your Language Model is Secretly a Reward Model by Rafailov et al., 2023.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…