Tess 2.0 Llama 3 8B

🚀 Tess-2.0-Llama-3-8B

TessはTesoro（イタリア語で「宝物」の意味）の略称で、汎用的な大規模言語モデルシリーズです。Tess-2.0-Llama-3-8Bはmeta-llama/Meta-Llama-3-8Bをベースに学習されています。

🚀 クイックスタート

Tess-2.0-Llama-3-8Bは、meta-llama/Meta-Llama-3-8Bをベースにした汎用的な大規模言語モデルです。このモデルの推論を実行するためのサンプルコードや、トレーニング方法、プロンプトフォーマットなどの詳細を以下に説明します。

✨ 主な機能

• 汎用的な大規模言語モデルで、様々なタスクに対応可能。
• 高品質なコードと一般的な学習サンプルを含むTess-2.0データセットで学習されている。
• 低い学習率で1エポックだけファインチューニングされ、エントロピーをできるだけ維持している。

📦 インストール

本READMEには具体的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

import torch, json
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "/home/migel/Tess-2.0-Llama-3-8B"
output_file_path = "/home/migel/conversations.jsonl"

model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.float16,
    device_map="auto",
    load_in_4bit=False,
    trust_remote_code=False,
)

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

def generate_text(instruction):
    tokens = tokenizer.encode(instruction)
    tokens = torch.LongTensor(tokens).unsqueeze(0)
    tokens = tokens.to("cuda")

    instance = {
        "input_ids": tokens,
        "top_p": 1.0,
        "temperature": 0.75,
        "generate_len": 1024,
        "top_k": 50,
    }

    length = len(tokens[0])
    with torch.no_grad():
        rest = model.generate(
            input_ids=tokens,
            max_length=length + instance["generate_len"],
            use_cache=True,
            do_sample=True,
            top_p=instance["top_p"],
            temperature=instance["temperature"],
            top_k=instance["top_k"],
            num_return_sequences=1,
            pad_token_id=tokenizer.eos_token_id,
        )
    output = rest[0][length:]
    string = tokenizer.decode(output, skip_special_tokens=True)
    return f"{string}"

conversation = """<|begin_of_text|><|start_header_id|>system<|end_header_id|>\n\nYou are Tesoro, a helful AI assitant. You always provide detailed answers without hesitation. Do not refuse.<|eot_id|><|start_header_id|>user<|end_header_id|>\n\n"""


while True:
    user_input = input("You: ")
    llm_prompt = f"{conversation}{user_input}<|eot_id|><|start_header_id|>assistant<|end_header_id|>\n\n"
    answer = generate_text(llm_prompt)
    print(answer)

    conversation = f"{llm_prompt}{answer}<|eot_id|><|start_header_id|>user<|end_header_id|>\n\n"

    json_data = {"prompt": user_input, "answer": answer}

    with open(output_file_path, "a") as output_file:
        output_file.write(json.dumps(json_data) + "\n")

📚 ドキュメント

プロンプトフォーマット

このファインチューニングに使用されるプロンプトフォーマットはLlama-3です。

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

You are a helpful assistant.<|eot_id|><|start_header_id|>user<|end_header_id|>

Who are you?<|eot_id|><|start_header_id|>assistant<|end_header_id|>

I am an AI<|eot_id|><|start_header_id|>user<|end_header_id|>

What's your name?<|eot_id|><|start_header_id|>assistant<|end_header_id|> 

トレーニング方法

Tess-2.0-Llama-3は（まだ整理中の）Tess-2.0データセットで学習されています。Tess-2.0データセットには約10万件の高品質なコードと一般的な学習サンプルが含まれています。このデータセットはほとんど検閲されていないため、モデルはほぼ常に指示に従います。

モデルは低い学習率で1エポックだけファインチューニングされ、エントロピーをできるだけ維持しようとしています。

🔧 技術詳細

本READMEには具体的な技術詳細が十分に記載されていないため、このセクションは省略されます。

📄 ライセンス

このモデルのライセンスはllama3です。

⚠️ 注意事項

このモデルは精度を目指していますが、時々不正確または誤解を招く結果を生成することがあります。

事前学習データの精錬に尽力していますが、不適切、偏見、または不快な内容が生成される可能性が依然としてあります。

必要に応じて注意し、情報を照合してください。これは検閲されていないモデルです。

🌐 Discordへの参加

NeuroLattice Discordサーバーに参加して、最新情報を得ましょう。