ironrock's picture
Upload folder using huggingface_hub
2f37ee7 verified
metadata
license: mit
library_name: trl
tags:
  - DPO
  - WeniGPT
base_model: Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-merged
model-index:
  - name: Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-1.0.6-DPO
    results: []
language:
  - pt

Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-1.0.6-DPO

This model is a fine-tuned version of [Weni/WeniGPT-Agents-Mistral-1.0.6-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': 0.4368760883808136, 'eval_runtime': 2.4897, 'eval_samples_per_second': 11.246, 'eval_steps_per_second': 1.607, 'eval_rewards/chosen': 1.0224344730377197, 'eval_rewards/rejected': -0.18119940161705017, 'eval_rewards/accuracies': 0.5, 'eval_rewards/margins': 1.2036339044570923, 'eval_logps/rejected': -55.731048583984375, 'eval_logps/chosen': -34.81117630004883, 'eval_logits/rejected': -1.8517436981201172, 'eval_logits/chosen': -1.8184903860092163, 'epoch': 5.81}

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-1.0.6-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: 2
  • per_device_eval_batch_size: 2
  • gradient_accumulation_steps: 2
  • num_gpus: 4
  • total_train_batch_size: 16
  • optimizer: AdamW
  • lr_scheduler_type: cosine
  • num_steps: 90
  • 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: 0.05\n - bias: none\n - target_modules: ['v_proj', 'q_proj']\n - task_type: CAUSAL_LM",)

Training results

Framework versions

Hardware

  • Cloud provided: runpod.io