Arrowpro 7B KUJIRA

🚀 ArrowPro-7B-KUJIRA

ArrowPro-7B-KUJIRA基於Mistral系的NTQAI/chatntq-ja-7b-v1.0開發，著重提升聊天性能和對提示注入的抗性，旨在成為AItuber和AI助手的核心。

🚀 快速開始

模型簡介

ArrowPro-7B-KUJIRA基於Mistral系的NTQAI/chatntq-ja-7b-v1.0，為了成為AItuber和AI助手的靈魂，該模型在開發過程中十分重視聊天性能以及對提示注入的高抗性。

使用示例

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("DataPilot/ArrowPro-7B-KUJIRA")
model = AutoModelForCausalLM.from_pretrained(
  "DataPilot/ArrowPro-7B-KUJIRA",
  torch_dtype="auto",
)
model.eval()

if torch.cuda.is_available():
    model = model.to("cuda")

def build_prompt(user_query):
    sys_msg = "あなたは日本語を話す優秀なアシスタントです。回答には必ず日本語で答えてください。"
    template = """[INST] <<SYS>>
{}
<</SYS>>

{}[/INST]"""
    return template.format(sys_msg,user_query)

# Infer with prompt without any additional input
user_inputs = {
    "user_query": "まどマギで一番かわいいキャラはだれ？",
}
prompt = build_prompt(**user_inputs)

input_ids = tokenizer.encode(
    prompt, 
    add_special_tokens=True, 
    return_tensors="pt"
)

tokens = model.generate(
    input_ids.to(device=model.device),
    max_new_tokens=500,
    temperature=1,
    top_p=0.95,
    do_sample=True,
)

out = tokenizer.decode(tokens[0][input_ids.shape[1]:], skip_special_tokens=True).strip()
print(out)

✨ 主要特性

卓越的基準測試成績

ArrowPro-7B-KUJIRA在基準測試（ELYZA - TASK100）中取得了約3.8（符合LLaMa3 - 70B標準）的成績，在7B模型中實現了日語性能世界第一。

核心優勢

基於Mistral系的NTQAI/chatntq-ja-7b-v1.0開發，重點優化了聊天性能，並且具備很高的提示注入抗性，適合作為AItuber和AI助手的核心模型。

📄 許可證

本項目採用Apache-2.0許可證。

💡 致謝與使用提醒

致謝

感謝所有給予建議的人，也感謝原模型的開發者們。

使用提醒

⚠️ 重要提示

使用此模型時，請儘量注意不要給他人帶來困擾。