license: mit
library_name: trl
tags:
- DPO
- WeniGPT
base_model: Weni/WeniGPT-2.2.3-Zephyr-7B-LLM_Base_2.0.3_SFT
model-index:
- name: Weni/WeniGPT-2.4.1-Zephyr-7B-3-epochs-LLM_Base_2.0.3_DPO
results: []
language:
- pt
Weni/WeniGPT-2.4.1-Zephyr-7B-3-epochs-LLM_Base_2.0.3_DPO
This model is a fine-tuned version of [Weni/WeniGPT-2.2.3-Zephyr-7B-LLM_Base_2.0.3_SFT] on the dataset Weni/WeniGPT-QA-1.0.1_DPO with the DPO trainer. It is part of the WeniGPT project for Weni.
It achieves the following results on the evaluation set: {'eval_loss': 0.6602855324745178, 'eval_runtime': 184.5803, 'eval_samples_per_second': 1.723, 'eval_steps_per_second': 0.217, 'eval_rewards/chosen': -0.08619274199008942, 'eval_rewards/rejected': -0.8016107678413391, 'eval_rewards/accuracies': 0.05000000074505806, 'eval_rewards/margins': 0.7154179811477661, 'eval_logps/rejected': -15.964799880981445, 'eval_logps/chosen': -5.8821868896484375, 'eval_logits/rejected': -2.0424394607543945, 'eval_logits/chosen': -2.042232036590576, 'epoch': 2.98}
Intended uses & limitations
This model has not been trained to avoid specific intructions.
Training procedure
Finetuning was done on the model Weni/WeniGPT-2.2.3-Zephyr-7B-LLM_Base_2.0.3_SFT with the following prompt:
---------------------
Pt:
### Instruction:
Você é um médico tratando um paciente com amnésia. Para responder as perguntas do paciente, você irá ler um texto anteriormente para se contextualizar. Se você trouxer informações desconhecidas, fora do texto lido, poderá deixar o paciente confuso. Se o paciente fizer uma questão sobre informações não presentes no texto, você precisa responder de forma educada que você não tem informação suficiente para responder, pois se tentar responder, pode trazer informações que não ajudarão o paciente recuperar sua memória.Lembre, se não estiver no texto, você precisa responder de forma educada que você não tem informação suficiente para responder. Precisamos ajudar o paciente.
</s>### Input:
TEXTO: {context}
PERGUNTA: {question}
</s>
### Response:
RESPOSTA: {chosen_response}</s>
### Response:
RESPOSTA: {rejected_response}</s>
---------------------
Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 5e-05
- per_device_train_batch_size: 8
- per_device_eval_batch_size: 8
- gradient_accumulation_steps: 4
- num_gpus: 1
- total_train_batch_size: 32
- optimizer: AdamW
- lr_scheduler_type: cosine
- num_steps: 267
- quantization_type: bitsandbytes
- LoRA: ("\n - bits: 4\n - use_exllama: True\n - device_map: auto\n - use_cache: False\n - lora_r: 8\n - lora_alpha: 16\n - lora_dropout: 0.1\n - bias: none\n - target_modules: ['q_proj', 'k_proj', 'v_proj', 'o_proj']\n - task_type: CAUSAL_LM",)
Training results
Framework versions
- transformers==4.38.2
- datasets==2.17.1
- peft==0.8.2
- safetensors==0.4.2
- evaluate==0.4.1
- bitsandbytes==0.42
- huggingface_hub==0.20.3
- seqeval==1.2.2
- optimum==1.17.1
- auto-gptq==0.7.0
- gpustat==1.1.1
- deepspeed==0.13.2
- wandb==0.16.3
- trl==0.7.11
- accelerate==0.27.2
- coloredlogs==15.0.1
- traitlets==5.14.1
- autoawq@https://github.com/casper-hansen/AutoAWQ/releases/download/v0.2.0/autoawq-0.2.0+cu118-cp310-cp310-linux_x86_64.whl
Hardware
- Cloud provided: runpod.io