/ Модель

Характеристики

Контекст
131 072 токена
Параметры
69,5 млрд
Размер весов
282 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.1-70B
Опубликована
5 ноя 2024

webrl-llama-3.1-70b

Генерация текстаТекст → текст3 профессии

Дообученная на веб-действиях модель Llama 3.1 70B для выполнения пользовательских задач на сайтах WebArena.

112скачиваний за 30 дней5лайковвеса обновлены12 ноя 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

WebRL-Llama-3.1-70B — открытая модель Zhipu AI, созданная дообучением Meta Llama 3.1 70B для выполнения действий в веб-интерфейсах. Она предназначена для агентных сценариев, где по текстовым инструкциям нужно выполнять операции на пяти сайтах из WebArena: OpenStreetMap, Reddit, GitLab, CMS интернет-магазина и OneStopShop. Модель имеет плотную архитектуру LlamaForCausalLM с 69,5 млрд параметров, поддерживает чат и рассчитана на английский язык. Указанная длина контекста — 131 072 токена.

В оценке на WebArena-Lite модель показала средний показатель успешного выполнения 49,1%; результаты различались по сайтам. Для запуска README отсылает к коду и требованиям на странице проекта GitHub. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

Сценарии применения

  • выполнение операций на Reddit по текстовой инструкции
  • редактирование и навигация по GitLab
  • поиск и действия на OpenStreetMap
  • управление товарами в CMS интернет-магазина
  • выполнение задач в OneStopShop

Ограничения

В оценке WebArena-Lite успешность заметно различалась между сайтами; опубликованный средний показатель составил 49,1%. Модель проверена на пяти сайтах WebArena и не заявлена как универсальный агент для любых веб-интерфейсов.

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

WebRL-Llama-3.1-70B

Model Introduction

WebRL-Llama-3.1-70B is the open-source version of WebRL in Llama-3.1-70B released by Zhipu AI. It has the ability to complete web operations on five websites in WebArena: OpenStreetMap (Map), Reddit, GitLab, online store content management system (CMS) and OneStopShop (OSS).

Evaluation Results

We evaluated the WebRL-Llama-3.1-70B model on WebArena-Lite and obtained the following results:

ModelRedditGitlabCMSMapOSSAvg.SR
Llama-3.1-8B-Instruct0.03.32.93.311.14.8
Llama-3.1-70B-Instruct10.516.717.120.04.412.7
WebRL-Llama-3.1-70B78.950.054.340.044.449.1

For more inference code and requirements, please visit our [github page](GitHub - THUDM/WebRL).

Citations

If you find our work useful, please consider citing the following paper.

@artical{qi2024webrl,
      title={WebRL: Training LLM Web Agents via Self-Evolving Online Curriculum Reinforcement Learning}, 
      author={Zehan Qi and Xiao Liu and Iat Long Iong and Hanyu Lai and Xueqiao Sun and Xinyue Yang and Jiadai Sun and Yu Yang and Shuntian Yao and Tianjie Zhang and Wei Xu and Jie Tang and Yuxiao Dong},
      journal={arXiv preprint arXiv:2411.02337},
      year={2024},
}

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
466fd5b

0 моделей