模型介绍
中文整理WorldPM-72B-UltraFeedback
模型用途
WorldPM（World Preference Modeling）表明偏好建模遵循与语言建模相似的缩放定律。通过在1500万偏好数据上的大规模训练，我们证明了偏好模型可以学习统一的偏好表示。
主要能力
在对抗性评估中，测试损失呈现幂律下降，表明模型在识别故意错误的回答以及写得很好但不相关或不完整的回答方面能力增强。客观指标揭示了一种涌现现象，更大的模型在更多基准测试中表现出测试损失的幂律下降。WorldPM是一项具有挑战性的任务，需要更大的模型来激发对客观知识的偏好。在主观评估方面未观察到明显的缩放趋势。WorldPM在规模扩大时变得更加风格中立，但某些主观评估表现出风格偏好，导致评估性能较低。
输入输出
训练时系统提示保持为空（无预设偏好）
系统标记被保留
奖励计算使用token的隐藏状态
运行要求
必需：transformers>=4.40.0
推荐：最新版本的transformers
注意：版本要求至关重要，因为Qwen2.5集成从transformers 4.37.0开始
GPU要求及性能指标请查看Qwen2基准测试结果
基本用法
WorldPM-72B作为基础模型，是自定义微调的优秀起点。我们的实验证实，从WorldPM开始比从头训练具有更好的性能。基础模型为WorldPM-72B。微调版本包括：WorldPM-72B-HelpSteer2在HelpSteer2上训练，数据量7K；WorldPM-72B-UltraFeedback在UltraFeedback上训练，数据量100K；WorldPM-72B-RLHFLow在RLHFLow上训练，数据量800K。
限制
主观评估领域未表现出缩放趋势。我们将此归因于主观评估的多维性质，评估结果本质上是多个维度的平均值。这导致某些维度呈正向缩放，而其他维度呈负向缩放，从而整体上呈现明显的无缩放状态。
许可证
Apache 2.0
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。