Llama 3 8B SFR SFT R

🚀 LLaMA-3-8B-SFR-SFT-R

これはSalesforce/SFR-Iterative-DPO-LLaMA-3-8B-R用のSFTモデルです。

🚀 クイックスタート

このモデルは、Salesforce/SFR-Iterative-DPO-LLaMA-3-8B-RのSFTモデルです。以下に関連するモデルのリリース情報を示します。

✨ 主な機能

モデルのリリース

• SFTモデル
• 報酬モデル
• RLHFモデル

📚 ドキュメント

引用

もし当社のモデルがあなたの研究や製品に役立つと思われる場合は、以下の技術レポートを引用してください。

@misc{dong2024rlhf,
      title={RLHF Workflow: From Reward Modeling to Online RLHF}, 
      author={Hanze Dong and Wei Xiong and Bo Pang and Haoxiang Wang and Han Zhao and Yingbo Zhou and Nan Jiang and Doyen Sahoo and Caiming Xiong and Tong Zhang},
      year={2024},
      eprint={2405.07863},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Salesforce AIモデル、データ、コードに関する倫理的免責事項

このリリースは、学術論文をサポートするための研究目的のみを対象としています。当社のモデル、データセット、およびコードは、すべての下流の目的に特に設計または評価されていません。ユーザーは、このモデルをデプロイする前に、精度、安全性、および公正性に関連する潜在的な懸念事項を評価し、対処することを強くお勧めします。ユーザーは、AIの一般的な制限事項を考慮し、適用される法律を遵守し、特にエラーや誤用が人々の生活、権利、または安全に重大な影響を与える可能性のある高リスクシナリオのユースケースを選択する際には、ベストプラクティスを活用することをお勧めします。ユースケースに関するさらなるガイダンスについては、当社の標準的なAUPおよびAI AUPを参照してください。

📄 ライセンス

このモデルは、llama3ライセンスの下で提供されています。