---
license: mit
library_name: "trl"
tags:
- DPO
- WeniGPT
base_model: Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-merged
model-index:
- name: Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-1.0.3-DPO
  results: []
language: ['pt']
---

# Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-1.0.3-DPO

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](https://weni.ai/).
Description: Experiment on DPO with other hyperparameters and best SFT model of WeniGPT

It achieves the following results on the evaluation set:
{'eval_loss': 0.3940436840057373, 'eval_runtime': 8.131, 'eval_samples_per_second': 3.444, 'eval_steps_per_second': 1.722, 'eval_rewards/chosen': 2.12093186378479, 'eval_rewards/rejected': -0.7121123671531677, 'eval_rewards/accuracies': 0.4642857015132904, 'eval_rewards/margins': 2.8330442905426025, 'eval_logps/rejected': -85.88829040527344, 'eval_logps/chosen': -44.24784469604492, 'eval_logits/rejected': -1.8121978044509888, 'eval_logits/chosen': -1.773056983947754, 'epoch': 5.95}

## 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:
- learning_rate: 5e-06
- per_device_train_batch_size: 2
- per_device_eval_batch_size: 2
- gradient_accumulation_steps: 2
- num_gpus: 1
- total_train_batch_size: 4
- optimizer: AdamW
- lr_scheduler_type: cosine
- num_steps: 366
- quantization_type: bitsandbytes
- LoRA: ("\n  - bits: 4\n  - use_exllama: True\n  - device_map: auto\n  - use_cache: False\n  - lora_r: 8\n  - lora_alpha: 16\n  - lora_dropout: 0.05\n  - bias: none\n  - target_modules: ['v_proj', 'q_proj']\n  - task_type: CAUSAL_LM",)

### Training results

### Framework versions

- transformers==4.38.2
- datasets==2.18.0
- peft==0.10.0
- safetensors==0.4.2
- evaluate==0.4.1
- bitsandbytes==0.43
- huggingface_hub==0.22.2
- seqeval==1.2.2
- optimum==1.18.1
- auto-gptq==0.7.1
- gpustat==1.1.1
- deepspeed==0.14.0
- wandb==0.16.6
- trl==0.8.1
- accelerate==0.29.2
- coloredlogs==15.0.1
- traitlets==5.14.2
- autoawq@https://github.com/casper-hansen/AutoAWQ/releases/download/v0.2.4/autoawq-0.2.4+cu118-cp310-cp310-linux_x86_64.whl

### Hardware
- Cloud provided: runpod.io