Llm Jp 3 13b

🚀 llm-jp-3-13b

このリポジトリは、国立情報学研究所の大規模言語モデル研究開発センターによって開発された大規模言語モデルを提供しています。

開発は、GENIACによる一部の支援を受けて行われました。

チェックポイント形式: Hugging Face Transformers

🚀 クイックスタート

必要なライブラリとそのバージョン

• torch>=2.3.0
• transformers>=4.40.1
• tokenizers>=0.19.1
• accelerate>=0.29.3
• flash-attn>=2.5.8

使い方

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("llm-jp/llm-jp-3-13b")
model = AutoModelForCausalLM.from_pretrained("llm-jp/llm-jp-3-13b", device_map="auto", torch_dtype=torch.bfloat16)
text = "自然言語処理とは何か"
tokenized_input = tokenizer.encode(text, add_special_tokens=False, return_tensors="pt").to(model.device)
with torch.no_grad():
    output = model.generate(
        tokenized_input,
        max_new_tokens=100,
        do_sample=True,
        top_p=0.95,
        temperature=0.7,
        repetition_penalty=1.05,
    )[0]
print(tokenizer.decode(output))

📚 ドキュメント

モデルの詳細

トークナイザー

このモデルのトークナイザーは、huggingface/tokenizersのUnigram byte-fallbackモデルに基づいています。語彙エントリは、llm-jp-tokenizer v3.0から変換されています。語彙構築手順の詳細については、llm-jp-tokenizerのREADME.mdを参照してください（純粋なSentencePieceトレーニングでは、私たちの語彙を再現できません）。

データセット

事前学習

モデルは、以下のデータセットの混合を使用して事前学習されています。

命令微調整

モデルは、以下のデータセットで微調整されています。

評価

llm-jp-eval (v1.3.1)

開発分割の100個の例を使用してモデルを評価しました。

日本語MTベンチ

gpt-4-0613を使用してモデルを評価しました。詳細については、コードを参照してください。

⚠️ 重要提示

ここで公開されているモデルは、私たちの研究開発の初期段階のものであり、出力が人間の意図や安全性の考慮と一致するように調整されていません。

質問の送信先

llm-jp(at)nii.ac.jp

📄 ライセンス

Apache License, Version 2.0

モデルカード作成者

名前はアルファベット順にリストされています。

Hirokazu KiyomaruとTakashi Kodama。