Обучите cDPO Loyal-piano-m7 с помощью HuggingFaceH4/ultrafeedbackbinarized для создания Loyal-piano-m7-cdpo Обучите другую модель с другой выборкой тех же исходных наборов данных, что и Loyal-piano, назовем ее cDPO servile-harpsichord cDPO servile-harpsichord с allenai/ultrafeedbackbinarizedcleaned, Intel/orcadpopairs и версией только для полезности PKU-Alignment/PKU-SafeRLHF TIES объединяют несколько контрольных точек servile-harpsichord-cdpo с Loyal-piano-m7-cdpo. Локальные тесты показывают, что результат лучше, чем у любого из отдельных компонентов. Посмотрим, выдержит ли это!
Модальности:
Генерация текста
Задача: Генерация текста
Автор: chargoddard
Теги: mistral, merge, mergekit, text-generation-inference, endpoints_compatible
Лайков: 6 | Загрузок: 104
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
