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': 0.09226309508085251, 'eval_runtime': 26.2286, 'eval_samples_per_second': 1.068, 'eval_steps_per_second': 1.068, 'eval_rewards/chosen': 1.398409128189087, 'eval_rewards/rejected': -6.417877197265625, 'eval_rewards/accuracies': 0.9642857313156128, 'eval_rewards/margins': 7.816287040710449, 'eval_logps/rejected': -264.57855224609375, 'eval_logps/chosen': -189.88156127929688, 'eval_logits/rejected': -1.8495510816574097, 'eval_logits/chosen': -1.810078740119934, 'epoch': 6.0}
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:
