Llama 3 Gutenberg 8B

🚀 llama-3-gutenberg-8B

このモデルはLlama-3-8bに基づいており、META LLAMA 3 COMMUNITY LICENSE AGREEMENTに準拠しています。

nbeerbower/llama-3-bophades-v3-8B を jondurbin/gutenberg-dpo-v0.1 でファインチューニングしています。

✨ 主な機能

このモデルは、テキスト生成タスクに適用でき、複数のデータセットで評価されています。

📦 インストール

インストールに関する具体的な手順は提供されていません。

💻 使用例

基本的な使用法

# Dataset preparation, system prompt:
def chatml_format(example):

    # Format instruction
    prompt = "<|im_start|>user\n" + example['prompt'] + "<|im_end|>\n<|im_start|>assistant\n"

    # Format chosen answer
    chosen = example['chosen'] + "<|im_end|>\n"

    # Format rejected answer
    rejected = example['rejected'] + "<|im_end|>\n"

    return {
        "prompt": prompt,
        "chosen": chosen,
        "rejected": rejected,
    }

dataset = load_dataset("jondurbin/gutenberg-dpo-v0.1")['train']

# Save columns
original_columns = dataset.column_names

# Tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_name)
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = "left"

# Format dataset
dataset = dataset.map(
    chatml_format,
    remove_columns=original_columns
)

高度な使用法

# LoRA, model, and training settings:
# 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=2,
    gradient_checkpointing=True,
    learning_rate=2e-5,
    lr_scheduler_type="cosine",
    max_steps=1000,
    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=1024,
    max_length=1536,
    force_use_ref_model=True
)

📚 ドキュメント

方法

Google ColabのA100を使用してファインチューニングされています。 Fine-Tune Your Own Llama 2 Model in a Colab Notebook

設定

データセットの準備やシステムプロンプト、LoRA、モデル、トレーニング設定に関するコードは上記の使用例に記載されています。

Open LLM Leaderboard Evaluation Results

詳細な結果はこちらで確認できます。 要約された結果はこちらで確認できます。

📄 ライセンス

このモデルは、llama3 ライセンスの下で提供されています。具体的には META LLAMA 3 COMMUNITY LICENSE AGREEMENT に準拠しています。