Apollo2 7B GGUF

🚀 QuantFactory/Apollo2-7B-GGUF

这是使用 llama.cpp 创建的 FreedomIntelligence/Apollo2-7B 的量化版本，旨在为更多语言的医学大语言模型提供支持，覆盖了包括英语、中文、法语等多种主要语言以及众多小语种。

🚀 快速开始

模型下载与推理

我们以 Apollo-MoE-0.5B 为例：

1. 登录 Huggingface

huggingface-cli login --token $HUGGINGFACE_TOKEN

2. 将模型下载到本地目录

from huggingface_hub import snapshot_download
import os

local_model_dir=os.path.join('/path/to/models/dir','Apollo-MoE-0.5B')
snapshot_download(repo_id="FreedomIntelligence/Apollo-MoE-0.5B", local_dir=local_model_dir)

3. 推理示例

from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
import os

local_model_dir=os.path.join('/path/to/models/dir','Apollo-MoE-0.5B')

model=AutoModelForCausalLM.from_pretrained(local_model_dir,trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(local_model_dir,trust_remote_code=True)
generation_config = GenerationConfig.from_pretrained(local_model_dir, pad_token_id=tokenizer.pad_token_id, num_return_sequences=1, max_new_tokens=7, min_new_tokens=2, do_sample=False, temperature=1.0, top_k=50, top_p=1.0)

inputs = tokenizer('Answer direclty.\nThe capital of Mongolia is Ulaanbaatar.\nThe capital of Iceland is Reykjavik.\nThe capital of Australia is', return_tensors='pt')
inputs = inputs.to(model.device)
pred = model.generate(**inputs,generation_config=generation_config)
print(tokenizer.decode(pred.cpu()[0], skip_special_tokens=True))

结果复现

✨ 主要特性

• 多语言覆盖：涵盖 12 种主要语言（英语、中文、法语、印地语、西班牙语、阿拉伯语、俄语、日语、韩语、德语、意大利语、葡萄牙语）和 38 种小语种。
• 医学领域支持：专注于医学领域，适用于生物学、医学等相关问题的问答。

📦 安装指南

请参考上述“快速开始”部分中的模型下载与推理步骤。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
import os

local_model_dir=os.path.join('/path/to/models/dir','Apollo-MoE-0.5B')

model=AutoModelForCausalLM.from_pretrained(local_model_dir,trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(local_model_dir,trust_remote_code=True)
generation_config = GenerationConfig.from_pretrained(local_model_dir, pad_token_id=tokenizer.pad_token_id, num_return_sequences=1, max_new_tokens=7, min_new_tokens=2, do_sample=False, temperature=1.0, top_k=50, top_p=1.0)

inputs = tokenizer('Answer direclty.\nThe capital of Mongolia is Ulaanbaatar.\nThe capital of Iceland is Reykjavik.\nThe capital of Australia is', return_tensors='pt')
inputs = inputs.to(model.device)
pred = model.generate(**inputs,generation_config=generation_config)
print(tokenizer.decode(pred.cpu()[0], skip_special_tokens=True))

📚 详细文档

原始模型卡片

为更多语言普及医学大语言模型

目前已覆盖 12 种主要语言和 38 种小语种。

论文 • 演示 • ApolloMoEDataset • ApolloMoEBench • 模型 • Apollo • ApolloMoE

更新日志

• [2024.10.15] ApolloMoE 仓库已发布。

语言覆盖范围

涵盖 12 种主要语言和 38 种小语种。

架构

结果

密集模型

• Apollo2-0.5B
• Apollo2-1.5B
• Apollo2-2B
• Apollo2-3.8B
• Apollo2-7B
• Apollo2-9B

后 MoE 模型

• Apollo-MoE-0.5B
• Apollo-MoE-1.5B
• Apollo-MoE-7B

使用格式

Apollo2

• 0.5B、1.5B、7B：User:{query}\nAssistant:{response}<|endoftext|>
• 2B、9B：User:{query}\nAssistant:{response}<eos>
• 3.8B：<|user|>\n{query}<|end|><|assisitant|>\n{response}<|end|>

Apollo-MoE

• 0.5B、1.5B、7B：User:{query}\nAssistant:{response}<|endoftext|>

数据集与评估

数据集

• ApolloMoEDataset

评估

• ApolloMoEBench

📄 许可证

本项目采用 Apache-2.0 许可证。

📚 引用

如果您打算使用我们的数据集进行训练或评估，请使用以下引用：

@misc{zheng2024efficientlydemocratizingmedicalllms,
      title={Efficiently Democratizing Medical LLMs for 50 Languages via a Mixture of Language Family Experts}, 
      author={Guorui Zheng and Xidong Wang and Juhao Liang and Nuo Chen and Yuping Zheng and Benyou Wang},
      year={2024},
      eprint={2410.10626},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.10626}, 
}

📋 信息表格