EEVE Korean Instruct 10.8B V1.0

🚀 EEVE-Korean-Instruct-10.8B-v1.0

このモデルは、大規模言語モデルの分野で、韓国語に特化した高度な性能を提供します。微調整により、特定のタスクやユーザーのニーズに合わせた応答が可能です。

🚀 クイックスタート

Discordでのコミュニティ参加

大規模言語モデルの分野に情熱を持ち、知識や洞察を交換したい方は、私たちのDiscordサーバーにぜひ参加してください。このサーバーでは韓国語が主要な言語として使用されています。LLMの分野は急速に進化しており、積極的な情報共有がなければ、私たちの知識はすぐに古くなってしまいます。一緒に協力し、より大きな影響を与えましょう！こちらから参加できます：Discord Link。

✨ 主な機能

開発チーム

モデルについて

このモデルは、yanolja/EEVE-Korean-10.8B-v1.0 の微調整バージョンです。yanolja/EEVE-Korean-10.8B-v1.0 は、upstage/SOLAR-10.7B-v1.0 の韓国語語彙拡張バージョンです。具体的には、Axolotl を使用して Direct Preference Optimization (DPO) を行いました。

詳細については、技術レポート Efficient and Effective Vocabulary Expansion Towards Multilingual Large Language Models を参照してください。

💻 使用例

基本的な使用法

from transformers import AutoTokenizer
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("yanolja/EEVE-Korean-Instruct-10.8B-v1.0")
tokenizer = AutoTokenizer.from_pretrained("yanolja/EEVE-Korean-Instruct-10.8B-v1.0")

prompt_template = "A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions.\nHuman: {prompt}\nAssistant:\n"
text = '한국의 수도는 어디인가요? 아래 선택지 중 골라주세요.\n\n(A) 경성\n(B) 부산\n(C) 평양\n(D) 서울\n(E) 전주'
model_inputs = tokenizer(prompt_template.format(prompt=text), return_tensors='pt')

outputs = model.generate(**model_inputs, max_new_tokens=256)
output_text = tokenizer.batch_decode(outputs, skip_special_tokens=True)[0]
print(output_text)

出力例

A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions.
Human: 한국의 수도는 어디인가요? 아래 선택지 중 골라주세요.

(A) 경성
(B) 부산
(C) 평양
(D) 서울
(E) 전주
Assistant:
(D) 서울이 한국의 수도입니다. 서울은 나라의 북동부에 위치해 있으며, 정치, 경제, 문화의 중심지입니다. 약 1,000만 명이 넘는 인구를 가진 세계에서 가장 큰 도시 중 하나입니다. 서울은 높은 빌딩, 현대적인 인프라, 활기 문화 장면으로 유명합니다. 또한, 많은 역사적 명소와 박물관이 있어 방문객들에게 풍부한 문화 체험을 제공합니다.

学習データ

• Open-Orca/SlimOrca-Dedup の韓国語翻訳版
• argilla/ultrafeedback-binarized-preferences-cleaned の韓国語翻訳版
• その他のデータセットは使用されていません

📚 ドキュメント

引用

@misc{kim2024efficient,
      title={Efficient and Effective Vocabulary Expansion Towards Multilingual Large Language Models}, 
      author={Seungduk Kim and Seungtaek Choi and Myeongho Jeong},
      year={2024},
      eprint={2402.14714},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@misc{cui2023ultrafeedback,
      title={UltraFeedback: Boosting Language Models with High-quality Feedback}, 
      author={Ganqu Cui and Lifan Yuan and Ning Ding and Guanming Yao and Wei Zhu and Yuan Ni and Guotong Xie and Zhiyuan Liu and Maosong Sun},
      year={2023},
      eprint={2310.01377},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@misc{SlimOrcaDedup,
  title = {SlimOrca Dedup: A Deduplicated Subset of SlimOrca},
  author = {Wing Lian and Guan Wang and Bleys Goodson and Eugene Pentland and Austin Cook and Chanvichet Vong and "Teknium" and Nathan Hoos},
  year = {2023},
  publisher = {HuggingFace},
  url = {https://huggingface.co/datasets/Open-Orca/SlimOrca-Dedup/}
}

@misc{mukherjee2023orca,
      title={Orca: Progressive Learning from Complex Explanation Traces of GPT-4}, 
      author={Subhabrata Mukherjee and Arindam Mitra and Ganesh Jawahar and Sahaj Agarwal and Hamid Palangi and Ahmed Awadallah},
      year={2023},
      eprint={2306.02707},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

評価結果

Open LLM Leaderboard Evaluation Results 詳細な結果は こちら で確認できます。

📄 ライセンス

このモデルは Apache-2.0 ライセンスの下で提供されています。