Llm2vec Sheared LLaMA Mntp

🚀 LLM2Vec: 大規模言語モデルは秘密に強力なテキストエンコーダー

LLM2Vecは、デコーダー専用の大規模言語モデルをテキストエンコーダーに変換するシンプルな方法です。これは3つの簡単なステップで構成されています。1) 双方向注意の有効化、2) マスクされた次のトークン予測、3) 教師なし対照学習です。このモデルは、最先端の性能を達成するためにさらに微調整することができます。

• リポジトリ: https://github.com/McGill-NLP/llm2vec
• 論文: https://arxiv.org/abs/2404.05961

🚀 クイックスタート

LLM2Vecは、デコーダー専用の大規模言語モデルをテキストエンコーダーに変換する方法です。以下の手順で使用を開始できます。

✨ 主な機能

• デコーダー専用の大規模言語モデルをテキストエンコーダーに変換する機能。
• 双方向注意、マスクされた次のトークン予測、教師なし対照学習を用いた学習方法。
• 微調整により最先端の性能を達成できる。

📦 インストール

pip install llm2vec

💻 使用例

基本的な使用法

from llm2vec import LLM2Vec

import torch
from transformers import AutoTokenizer, AutoModel, AutoConfig
from peft import PeftModel

# Loading base Mistral model, along with custom code that enables bidirectional connections in decoder-only LLMs.
tokenizer = AutoTokenizer.from_pretrained(
    "McGill-NLP/LLM2Vec-Sheared-LLaMA-mntp"
)
config = AutoConfig.from_pretrained(
    "McGill-NLP/LLM2Vec-Sheared-LLaMA-mntp", trust_remote_code=True
)
model = AutoModel.from_pretrained(
    "McGill-NLP/LLM2Vec-Sheared-LLaMA-mntp",
    trust_remote_code=True,
    config=config,
    torch_dtype=torch.bfloat16,
    device_map="cuda" if torch.cuda.is_available() else "cpu",
)

# Loading MNTP (Masked Next Token Prediction) model.
model = PeftModel.from_pretrained(
    model,
    "McGill-NLP/LLM2Vec-Sheared-LLaMA-mntp",
)

# Wrapper for encoding and pooling operations
l2v = LLM2Vec(model, tokenizer, pooling_mode="mean", max_length=512)

# Encoding queries using instructions
instruction = (
    "Given a web search query, retrieve relevant passages that answer the query:"
)
queries = [
    [instruction, "how much protein should a female eat"],
    [instruction, "summit define"],
]
q_reps = l2v.encode(queries)

# Encoding documents. Instruction are not required for documents
documents = [
    "As a general guideline, the CDC's average requirement of protein for women ages 19 to 70 is 46 grams per day. But, as you can see from this chart, you'll need to increase that if you're expecting or training for a marathon. Check out the chart below to see how much protein you should be eating each day.",
    "Definition of summit for English Language Learners. : 1  the highest point of a mountain : the top of a mountain. : 2  the highest level. : 3  a meeting or series of meetings between the leaders of two or more governments.",
]
d_reps = l2v.encode(documents)

# Compute cosine similarity
q_reps_norm = torch.nn.functional.normalize(q_reps, p=2, dim=1)
d_reps_norm = torch.nn.functional.normalize(d_reps, p=2, dim=1)
cos_sim = torch.mm(q_reps_norm, d_reps_norm.transpose(0, 1))

print(cos_sim)
"""
tensor([[0.8180, 0.5825],
        [0.1069, 0.1931]])
"""

📚 ドキュメント

質問について

コードに関する質問がある場合は、Parishad (parishad.behnamghader@mila.quebec) またはVaibhav (vaibhav.adlakha@mila.quebec) にメールで問い合わせてください。

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。