Flammen21 Mistral 7B

🚀 flammen21-mistral-7B

Mistral 7Bの大規模言語モデルで、事前学習モデルをマージし、flammenai/Date-DPO-v2 で微調整することで構築されています。Flammenは、卓越したキャラクターロールプレイ、創作的な文章作成、および一般的な知能に特化しています。

✨ 主な機能

• 卓越したキャラクターロールプレイ
• 創作的な文章作成
• 一般的な知能

📚 ドキュメント

方法

Google Colab上のL4を使用して微調整されています。 Fine-tune a Mistral-7b model with Direct Preference Optimization - Maxime Labonne

設定

LoRA、モデル、およびトレーニングの設定は以下の通りです。

# LoRA configuration
peft_config = LoraConfig(
    r=16,
    lora_alpha=16,
    lora_dropout=0.05,
    bias="none",
    task_type="CAUSAL_LM",
    target_modules=['k_proj', 'gate_proj', 'v_proj', 'up_proj', 'q_proj', 'o_proj', 'down_proj']
)

# Model to fine-tune
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    load_in_4bit=True
)
model.config.use_cache = False

# Reference model
ref_model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    load_in_4bit=True
)

# Training arguments
training_args = TrainingArguments(
    per_device_train_batch_size=2,
    gradient_accumulation_steps=8,
    gradient_checkpointing=True,
    learning_rate=5e-5,
    lr_scheduler_type="cosine",
    max_steps=420,
    save_strategy="no",
    logging_steps=1,
    output_dir=new_model,
    optim="paged_adamw_32bit",
    warmup_steps=100,
    bf16=True,
    report_to="wandb",
)

# Create DPO trainer
dpo_trainer = DPOTrainer(
    model,
    ref_model,
    args=training_args,
    train_dataset=dataset,
    tokenizer=tokenizer,
    peft_config=peft_config,
    beta=0.1,
    max_prompt_length=2048,
    max_length=4096,
    force_use_ref_model=True
)

# Fine-tune model with DPO
dpo_trainer.train()

📄 ライセンス

このライブラリは apache-2.0 ライセンスの下で提供されています。