Phi 2 Persona Chat

🚀 Phi 2 Persona-Chat

Phi 2 Persona-Chatは、Phi 2ベースモデルをnazlicanto/persona-based-chatデータセットを用いてLoRA微調整したバージョンです。このデータセットには、Persona AとPersona Bの間の64,000以上の会話が含まれており、それぞれの人物の特性情報が提供されています。

このモデルは、reference応答をターゲット出力として、Supervised Fine-tuning Trainerを使用して学習されています。学習と推論のコード、および依存関係の完全なリストについては、Githubのリポジトリを参照してください。

🚀 クイックスタート

現時点では、Phi 2モデルを実行するにはtrust_remote_code=Trueが必要です。最良の結果を得るには、人物の特性情報を含むプロンプトを使用し、少なくとも1回の会話ターンを続けてください。

💻 使用例

基本的な使用法

from random import randrange

import torch
from datasets import load_dataset
from transformers import AutoTokenizer, AutoModelForCausalLM


prompt = f"""
Person B has the following Persona information.

Persona of Person B: My name is David and I'm a 35 year old math teacher.
Persona of Person B: I like to hike and spend time in the nature.
Persona of Person B: I'm married with two kids.

Instruct: Person A and Person B are now having a conversation.  Following the conversation below, write a response that Person B would say base on the above Persona information. Please carefully consider the flow and context of the conversation below, and use the Person B's Persona information appropriately to generate a response that you think are the most appropriate replying for Person B.

Persona A: Morning! I think I saw you at the parent meeting, what's your name?

Output:
"""

# load base LLM model, LoRA params and tokenizer
model = AutoModelForCausalLM.from_pretrained("nazlicanto/phi-2-persona-chat", trust_remote_code=True)
model.to("cuda")

tokenizer = AutoTokenizer.from_pretrained("nazlicanto/phi-2-persona-chat", trust_remote_code=True)

# tokenize input prompt
input_ids = tokenizer(prompt, return_tensors="pt", truncation=True).input_ids.cuda()

# inference
with torch.inference_mode():
    outputs = model.generate(
        input_ids=input_ids, 
        max_new_tokens=50, 
        do_sample=True, 
        top_p=0.1,
        temperature=0.7
    )

# decode output tokens
outputs = outputs.detach().cpu().numpy()
outputs = tokenizer.batch_decode(outputs, skip_special_tokens=True)
output = outputs[0][len(prompt):]
print(output)

このモデルは、nazlicantoとadirikによって学習されています。

📄 ライセンス

このプロジェクトはMITライセンスの下で提供されています。