Calme 2.3 Llama3 70b

🚀 MaziyarPanahi/calme-2.3-llama3-70b

這是一個基於meta-llama/Meta-Llama-3-70B-Instruct模型微調（DPO）的模型，可用於文本生成任務，在多個數據集上有不錯的表現。

🚀 快速開始

你可以在Hugging Face的transformers庫中使用MaziyarPanahi/calme-2.3-llama3-70b作為模型名稱來使用此模型。

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
from transformers import pipeline
import torch

model_id = "MaziyarPanahi/calme-2.3-llama3-70b"

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
    # attn_implementation="flash_attention_2"
)

tokenizer = AutoTokenizer.from_pretrained(
    model_id,
    trust_remote_code=True
)

streamer = TextStreamer(tokenizer)

pipeline = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    model_kwargs={"torch_dtype": torch.bfloat16},
    streamer=streamer
)

# 然後你可以使用pipeline來生成文本。

messages = [
    {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"},
    {"role": "user", "content": "Who are you?"},
]

prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

terminators = [
    tokenizer.eos_token_id,
    tokenizer.convert_tokens_to_ids("<|im_end|>"),
    tokenizer.convert_tokens_to_ids("<|eot_id|>") # 加上這個更保險
]

outputs = pipeline(
    prompt,
    max_new_tokens=2048,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.6,
    top_p=0.95,
)
print(outputs[0]["generated_text"][len(prompt):])

✨ 主要特性

• 基於meta-llama/Meta-Llama-3-70B-Instruct模型進行微調（DPO）。
• 支持ChatML提示模板。
• 提供量化的GGUF模型。
• 在多個數據集上有良好的評估結果。

📦 量化的GGUF模型

所有GGUF模型可在此處獲取：MaziyarPanahi/calme-2.3-llama3-70b-GGUF

🏆 Open LLM Leaderboard評估結果

詳細結果可查看此處

排行榜前10的模型

📚 詳細文檔

提示模板

此模型使用ChatML提示模板：

<|im_start|>system
{系統提示}
<|im_end|>
<|im_start|>user
{用戶輸入}
<|im_end|>
<|im_start|>assistant
{模型輸出}

📄 許可證

此模型的許可證為llama3，具體許可證信息可查看LICENSE。

模型信息表格