fenyo
Qwen2.5-7B-base2instruct-DPO
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Get help setting up a custom Dedicated Endpoints.
Talk with our engineer to get a quote for reserved GPU instances with discounts.
README
License: apache-2.0Entraînement
DPO LoRA (TRL DPOTrainer, r=32), référence calculée en direct, 1 epoch, lr 5e-6, β=0.1,
seq_len 1536, bf16, gradient checkpointing. Adaptateur fusionné dans le modèle. Données :
HuggingFaceH4/ultrafeedback_binarized (10k paires).
Piège résolu :
precompute_ref_log_probs=Trueen bf16 produit des NaN — désactivé. Voir le dépôt GitHub.
Résultats (lm-eval, backend vLLM)
| étape | IFEval (prompt strict) | GSM8K (flexible) | MMLU |
|---|---|---|---|
| base Qwen2.5-7B | 27.4 | 83.0 | 71.8 |
| + SFT | 44.9 | 77.5 | 69.1 |
| + DPO (ce modèle) | 44.7 | 77.1 | 69.9 |
| + RLVR | 45.1 | 77.4 | 69.9 |
Le DPO sur 10k paires génériques bouge peu les benchmarks ici. Analyse complète : dépôt GitHub.
Usage
Format ChatML, via tokenizer.apply_chat_template. Voir l'exemple sur le
modèle final.
Model provider
fenyo
Model tree
Base
Qwen/Qwen2.5-7B
Fine-tuned
this model
Modalities
Input
Text
Output
Text
Pricing
Dedicated Endpoints
View detailsSupported Functionality
Model APIs
Dedicated Endpoints
Container
More information