/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
24 сен 2024

Llama3-8B-SuperNova-Spectrum-Hermes-DPO

Генерация текстаТекст → текст7 профессий

Диалоговая модель Llama 3 на 7,5 млрд параметров, дообученная методом DPO для генерации ответов на текстовые запросы.

33скачиваний за 30 дней0лайковвеса обновлены27 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,302

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2635

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0566

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4012

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4691

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,44

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Llama3-8B-SuperNova-Spectrum-Hermes-DPO — языковая модель yuvraj17 на архитектуре Llama 3, дообученная методом DPO на диалоговом датасете chatml-OpenHermes2.5-dpo-binarized-alpha-2k. Она предназначена для генерации текста и ведения диалогов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов.

При обучении использовалась QLoRA с 4-битной точностью в течение одной эпохи; в README указано, что исходной основой служила объединённая модель yuvraj17/Llama3-8B-SuperNova-Spectrum-dare_ties. Карточка приводит результаты оценивания на IFEval и BBH, но не описывает их методику подробно. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация ответов в формате ChatML
  • следование текстовым инструкциям
  • создание и продолжение текста

Ограничения

В карточке приведены ограниченные результаты оценивания, без подробного описания методики. Обучение выполнено на одном датасете диалогов и продолжалось одну эпоху.

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

Llama3-8B-SuperNova-Spectrum-Hermes-DPO

This model is a DPO fine-tuned version of my DARE_TIES merged Model yuvraj17/Llama3-8B-SuperNova-Spectrum-dare_ties on the yuvraj17/chatml-OpenHermes2.5-dpo-binarized-alpha-2k dataset.

DPO (Direct Preference Optimization):

Direct Preference Optimization (DPO) is a fine-tuning technique that focuses on aligning a model's responses with human preferences or ranking data without requiring reinforcement learning steps, like in RLHF.

Training:

  • Trained on 1x A40s (48GB VRAM) using the HuggingFace TRL.
  • QLoRA(4-bit precision) for 1 epoch
    # LoRA configuration
    peft_config = LoraConfig(
        r=32,
        lora_alpha=16,
        lora_dropout=0.05,
        bias="none",
        task_type="CAUSAL_LM",
        target_modules=['k_proj', 'gate_proj', 'v_proj', 'up_proj', 'q_proj', 'o_proj', 'down_proj']
    )
    

Training Params

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • beta=0.1
  • num_devices: 1
  • gradient_accumulation_steps: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 1

Training Time = 1:57:00 hours

Weight & Biases Report

Report-Link

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "yuvraj17/Llama3-8B-SuperNova-Spectrum-Hermes-DPO"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

🏆 Evaluation Scores

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.18.00
IFEval (0-Shot)46.91
BBH (3-Shot)21.24
MATH Lvl 5 (4-Shot)5.14
GPQA (0-shot)6.94
MuSR (0-shot)9.62
MMLU-PRO (5-shot)18.16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
eeabdf2

0 моделей