Llmlingua 2 Xlm Roberta Large Meetingbank

🚀 LLMLingua-2-Bert-base-Multilingual-Cased-MeetingBank

このモデルは論文 LLMLingua-2: Data Distillation for Efficient and Faithful Task-Agnostic Prompt Compression (Pan et al, 2024) で紹介されました。これは、タスク非依存のプロンプト圧縮のためのトークン分類を行うように微調整された XLM-RoBERTa (大型モデル) です。各トークン $x_i$ の確率 $p_{preserve}$ が圧縮の指標として使用されます。このモデルは、LLMLingua-2 で提案された方法論を用いて構築された 抽出型テキスト圧縮データセット でトレーニングされており、MeetingBank (Hu et al, 2023) のトレーニング例をシードデータとして使用しています。

このデータセット を使用して、質問応答 (QA) や圧縮された会議記録の要約などの下流タスクでモデルを評価することができます。

詳細については、LLMLingua-2 と LLMLingua Series のホームページをご確認ください。

🚀 クイックスタート

このモデルは、タスク非依存のプロンプト圧縮を行うために設計されています。以下の使用例を参考に、モデルを使ってみましょう。

💻 使用例

基本的な使用法

from llmlingua import PromptCompressor

compressor = PromptCompressor(
    model_name="microsoft/llmlingua-2-xlm-roberta-large-meetingbank",
    use_llmlingua2=True
)

original_prompt = """John: So, um, I've been thinking about the project, you know, and I believe we need to, uh, make some changes. I mean, we want the project to succeed, right? So, like, I think we should consider maybe revising the timeline.
Sarah: I totally agree, John. I mean, we have to be realistic, you know. The timeline is, like, too tight. You know what I mean? We should definitely extend it.
"""
results = compressor.compress_prompt_llmlingua2(
    original_prompt,
    rate=0.6,
    force_tokens=['\n', '.', '!', '?', ','],
    chunk_end_tokens=['.', '\n'],
    return_word_label=True,
    drop_consecutive=True
)

print(results.keys())
print(f"Compressed prompt: {results['compressed_prompt']}")
print(f"Original tokens: {results['origin_tokens']}")
print(f"Compressed tokens: {results['compressed_tokens']}")
print(f"Compression rate: {results['rate']}")

# get the annotated results over the original prompt
word_sep = "\t\t|\t\t"
label_sep = " "
lines = results["fn_labeled_original_prompt"].split(word_sep)
annotated_results = []
for line in lines:
    word, label = line.split(label_sep)
    annotated_results.append((word, '+') if label == '1' else (word, '-')) # list of tuples: (word, label)
print("Annotated results:")
for word, label in annotated_results[:10]:
    print(f"{word} {label}")

📄 ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。

📚 引用

@article{wu2024llmlingua2,
    title = "{LLML}ingua-2: Data Distillation for Efficient and Faithful Task-Agnostic Prompt Compression",
    author = "Zhuoshi Pan and Qianhui Wu and Huiqiang Jiang and Menglin Xia and Xufang Luo and Jue Zhang and Qingwei Lin and Victor Ruhle and Yuqing Yang and Chin-Yew Lin and H. Vicky Zhao and Lili Qiu and Dongmei Zhang",
    url = "https://arxiv.org/abs/2403.12968",
    journal = "ArXiv preprint",
    volume = "abs/2403.12968",
    year = "2024",
}