Slimplm Query Rewriting

🚀 SlimPLM

SlimPLMは、LLMに関連する特定のタスクを処理するためのモデルです。このモデルは、クエリの書き換えや検索必要性の判断などのタスクに特化しており、関連する研究成果も学術会議で発表されています。

🚀 クイックスタート

このモデルを使用する場合は、私たちの**GitHubリポジトリ**にスターを付けてサポートしていただけると幸いです。あなたのスターは大きな意味を持ちます！

📝 論文 • 🤗 Hugging Face • 🧩 Github

✨ 主な機能

最新情報

• [2024年1月25日]：検索必要性判断モデルがHugging Faceで公開されました。
• [2024年2月20日]：クエリ書き換えモデルがHugging Faceで公開されました。
• [2024年5月19日]：私たちの新しい研究成果 Small Models, Big Insights: Leveraging Slim Proxy Models To Decide When and What to Retrieve for LLMs がACL 2024 main会議に採択されました。

💻 使用例

基本的な使用法

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

# construct prompt
question = "Who voices Darth Vader in Star Wars Episodes III-VI, IX Rogue One, and Rebels?"
heuristic_answer = "The voice of Darth Vader in Star Wars is provided by British actor James Earl Jones. He first voiced the character in the 1977 film \"Star Wars: Episode IV - A New Hope\", and his performance has been used in all subsequent Star Wars films, including the prequels and sequels."
prompt = (f"<s>[INST] <<SYS>>\nYou are a helpful assistant. Your task is to parse user input into"
          f" structured formats according to the coarse answer. Current datatime is 2023-12-20 9:47:28"
          f" <</SYS>>\n Course answer: (({heuristic_answer}))\nQuestion: (({question})) [/INST]")

# alternatively you can input question only
# prompt = (f"<s>[INST] <<SYS>>\nYou are a helpful assistant. Your task is to parse user input into"
#           f" structured formats. Current datatime is 2023-12-20 9:47:28"
#           f" <</SYS>>\n{question} [/INST]")

params_query_rewrite = {"repetition_penalty": 1.05, "temperature": 0.01, "top_k": 1, "top_p": 0.85,
                        "max_new_tokens": 512, "do_sample": False, "seed": 2023}

# deploy model
model = AutoModelForCausalLM.from_pretrained("zstanjj/SlimPLM-Query-Rewriting").eval()
if torch.cuda.is_available():
    model.cuda()
tokenizer = AutoTokenizer.from_pretrained("zstanjj/SlimPLM-Query-Rewriting")

# run inference 
input_ids = tokenizer.encode(prompt.format(question=question, answer=heuristic_answer), return_tensors="pt")
len_input_ids = len(input_ids[0])
if torch.cuda.is_available():
    input_ids = input_ids.cuda()
outputs = model.generate(input_ids)
res = tokenizer.decode(outputs[0][len_input_ids:], skip_special_tokens=True)
print(res)

📚 ドキュメント

引用方法

@inproceedings{Tan2024SmallMB,
  title={Small Models, Big Insights: Leveraging Slim Proxy Models To Decide When and What to Retrieve for LLMs},
  author={Jiejun Tan and Zhicheng Dou and Yutao Zhu and Peidong Guo and Kun Fang and Ji-Rong Wen},
  year={2024},
  url={https://arxiv.org/abs/2402.12052}
}

📄 ライセンス

このプロジェクトはLlama2ライセンスの下で提供されています。