Flow-Judge-v0.1-AWQ

Flow-Judge-v0.1-AWQ

高效的开源小型模型用于多领域AI评估

Flow-Judge-v0.1-AWQ是一个源自Phi-3.5-mini-instruct的开源模型,专为多领域LLM系统评估而设计。尽管体积小巧,这款3.8B模型在多种评分尺度下表现出色,支持定性反馈,并生成结构化评估结果,非常适合需要利用自定义评分标准进行高效低成本评估的开发者和企业。

Flow-Judge-v0.1性能评估GithubHuggingface自然语言处理量化开源项目模型可定制评估

项目介绍:Flow-Judge-v0.1-AWQ

项目背景

Flow-Judge-v0.1-AWQ是一个由Flow AI开发的小型语言模型,专为评估大型语言模型(LLM)系统的多个领域而设计。基于microsoft/Phi-3.5-mini-instruct模型,这一版本通过量化技术有效减少了系统的资源占用,同时仍保持高性能输出。

核心特点

自定义评估

Flow Judge的一个主要特点是允许用户根据自身需求自定义评估标准和评分系统。这种灵活性有助于实现高度定制化的评估方案,精确测量特定任务的性能。

  • 多种评分尺度:支持三种评分机制,包括简单的通过/不通过、三档Likert评分(从负面到正面)、以及更精确的五档Likert评分(从强烈负面到强烈正面)。这种多样化的选择允许用户精细化捕捉文本质量或情感上的细微差别。

简单易懂的结果

Flow Judge提供结构化的评估输出,包括定性反馈和定量评分。

  • 定性反馈:提供详细的评价反馈,解释其为某一输出部分打分的理由,并突出指出问题区域。
  • 定量评分:根据评分标准返回相应的数值评分,无论是二进制评分还是三分或五分制评分系统。

技术细节

模型量化

Flow-Judge-v0.1-AWQ通过AWQ safetensors量化技术进行优化。以下是其量化配置:

quant_config = { "zero_point": True, "q_group_size": 128, "w_bit": 4, "version": "GEMM" } model = AutoAWQForCausalLM.from_pretrained(merged_path, **{"low_cpu_mem_usage": True, "use_cache": False}, attn_implementation="flash_attention_2", torch_dtype="auto", device_map="auto") tokenizer = AutoTokenizer.from_pretrained(lora_path, trust_remote_code=False) model.quantize(tokenizer, quant_config=quant_config) model.save_quantized(quant_path) tokenizer.save_pretrained(quant_path)

使用环境

要运行Flow-Judge模型,建议硬件配置包括:

  • 至少4 GB VRAM的现代显卡(例如NVIDIA RTX系列)
  • 最少8 GB的系统内存
  • 至少10GB的存储空间以保存模型文件和相关依赖项。

适用场景

Flow Judge适用于定制大型语言模型系统的评估任务,支持开发者和公司以更具成本效益和快速的方式评估模型。这在快速发展的AI领域中尤其有用,因其能够在评估中运用自定义的量表和指标。

训练过程

Flow Judge基于Phi-3.5-mini架构进行开发,并使用一些合成的训练数据集。这些数据集通过以下步骤构建:

  1. 人工策划的初始评分标准,作为基础。
  2. 合成生成多个领域的适用指标和评分标准。
  3. 生成多个输入(如用户查询和上下文信息)的训练实例。
  4. 使用双重评价策略确保数据集的质量和一致性。

在微调过程中,使用Axolotl预处理工具来保证输入数据的一致性,并采用RSLoRa进行微调。详细的微调过程可以在技术报告中查阅。

评估

Flow Judge已经在多种测试集中进行了评估,并展现出优于许多更大模型的性能。其在二元通过/不通过测试集上具有高精确度、召回率和F1分数,在Likert多档评估方法中也表现出良好的相关性。

更多细节可访问其项目网站GitHub库

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多