ABEJA Qwen2.5 7b Japanese V0.1

🚀 ABEJA-Qwen2.5-7b-Japanese-v0.1

ABEJA-Qwen2.5-7b-Japanese-v0.1は、Qwen/Qwen2.5-7B-Instructをベースに日本語の学習を行ったモデルです。通常の継続事前学習ではなく、abeja/ABEJA-Qwen2.5-32b-Japanese-v0.1をベースに蒸留学習を実施しています。Post-Traningは行っておらず、ChatVector（Qwen/Qwen2.5-7B-InstructとQwen/Qwen2.5-7Bの差分ベクトル）により指示追従性能を向上させています。詳細はABEJAのテックブログを参照してください。

🚀 クイックスタート

ABEJA-Qwen2.5-7b-Japanese-v0.1は、Qwen/Qwen2.5-7B-Instructをベースに日本語の学習を行ったモデルです。このモデルは、通常の継続事前学習ではなく、abeja/ABEJA-Qwen2.5-32b-Japanese-v0.1をベースに蒸留学習を実施しています。また、Post-Traningは行っておらず、ChatVectorにより指示追従性能を向上させています。

✨ 主な機能

• Qwen/Qwen2.5-7B-Instructをベースに日本語の学習を行ったモデルです。
• 通常の継続事前学習ではなく、abeja/ABEJA-Qwen2.5-32b-Japanese-v0.1をベースに蒸留学習を実施しています。
• Post-Traningは行っておらず、ChatVectorにより指示追従性能を向上させています。

💻 使用例

基本的な使用法

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "abeja/ABEJA-Qwen2.5-7b-Japanese-v0.1"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "人とAIが協調するためには？"
messages = [
    {"role": "system", "content": "You are Qwen, created by Alibaba Cloud. You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(response)

📄 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。

開発者

(*)アルファベット順