ironrock's picture
Upload folder using huggingface_hub
2aacf0d verified
metadata
license: mit
library_name: trl
tags:
  - DPO
  - WeniGPT
base_model: Weni/WeniGPT-Agents-Mistral-1.0.0-SFT-merged
model-index:
  - name: Weni/WeniGPT-Agents-Mistral-1.0.0-SFT-1.0.24-DPO
    results: []
language:
  - pt

Weni/WeniGPT-Agents-Mistral-1.0.0-SFT-1.0.24-DPO

This model is a fine-tuned version of [Weni/WeniGPT-Agents-Mistral-1.0.0-SFT-merged] on the dataset Weni/wenigpt-agent-dpo-1.0.0 with the DPO trainer. It is part of the WeniGPT project for Weni. Description: Experiment on DPO with other hyperparameters and best SFT model of WeniGPT

It achieves the following results on the evaluation set: {'eval_loss': 0.008221210911870003, 'eval_runtime': 15.9054, 'eval_samples_per_second': 1.76, 'eval_steps_per_second': 0.44, 'eval_rewards/chosen': 2.6355252265930176, 'eval_rewards/rejected': -2.999356508255005, 'eval_rewards/accuracies': 1.0, 'eval_rewards/margins': 5.634881496429443, 'eval_logps/rejected': -208.50425720214844, 'eval_logps/chosen': -182.0274200439453, 'eval_logits/rejected': -1.9468201398849487, 'eval_logits/chosen': -1.9320443868637085, 'epoch': 5.806451612903226}

Intended uses & limitations

This model has not been trained to avoid specific intructions.

Training procedure

Finetuning was done on the model Weni/WeniGPT-Agents-Mistral-1.0.0-SFT-merged with the following prompt:

---------------------
System_prompt:
Agora você se chama {name}, você é {occupation} e seu objetivo é {chatbot_goal}. O adjetivo que mais define a sua personalidade é {adjective} e você se comporta da seguinte forma:
{instructions_formatted}

{context_statement}

Lista de requisitos:
 - Responda de forma natural, mas nunca fale sobre um assunto fora do contexto.
 - Nunca traga informações do seu próprio conhecimento.
 - Repito é crucial que você responda usando apenas informações do contexto.
 - Nunca mencione o contexto fornecido.
 - Nunca mencione a pergunta fornecida.
 - Gere a resposta mais útil possível para a pergunta usando informações do conexto acima.
 - Nunca elabore sobre o porque e como você fez a tarefa, apenas responda.


---------------------

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-06
  • per_device_train_batch_size: 1
  • per_device_eval_batch_size: 1
  • gradient_accumulation_steps: 2
  • num_gpus: 4
  • total_train_batch_size: 8
  • optimizer: AdamW
  • lr_scheduler_type: cosine
  • num_steps: 180
  • quantization_type: bitsandbytes
  • LoRA: ("\n - bits: 4\n - use_exllama: True\n - device_map: auto\n - use_cache: False\n - lora_r: 64\n - lora_alpha: 32\n - lora_dropout: 0.05\n - bias: none\n - target_modules: ['q_proj', 'k_proj', 'v_proj', 'o_proj', 'gate_proj', 'up_proj', 'down_proj']\n - task_type: CAUSAL_LM",)

Training results

Framework versions

  • transformers==4.40.0
  • datasets==2.18.0
  • peft==0.10.0
  • safetensors==0.4.2
  • evaluate==0.4.1
  • bitsandbytes==0.43
  • huggingface_hub==0.22.2
  • seqeval==1.2.2
  • auto-gptq==0.7.1
  • gpustat==1.1.1
  • deepspeed==0.14.0
  • wandb==0.16.6
  • trl==0.8.1
  • accelerate==0.29.3
  • coloredlogs==15.0.1
  • traitlets==5.14.2
  • git+https://github.com/casper-hansen/AutoAWQ.git

Hardware

  • Cloud provided: runpod.io