Qwen2.5 0.5B Portuguese V1

🚀 Qwen2.5-0.5B葡萄牙語v1

Qwen2.5-0.5B經過微調，能夠熟練使用葡萄牙語，並提升了智能水平。該模型可用於文本生成任務，如自動翻譯、情感分析、話題建模和自動問答等。

🚀 快速開始

你可以通過以下鏈接訪問該模型：

https://ollama.com/cnmoro/Qwen2.5-0.5B-Portuguese-v1

以下是使用該模型進行文本生成的Python代碼示例：

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "cnmoro/Qwen2.5-0.5B-Portuguese-v1"

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

prompt = "Escreva uma breve introdução sobre LLMs (Large Language Models) e suas aplicações."

# 系統提示會自動注入並硬編碼，以在葡萄牙語中實現理想性能。無需再次編寫。
messages = [
    {"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]
response
# LLM significa Large Language Models, que são modelos de linguagem computacional
# projetados para simular a inteligência humana no processamento e geração de texto.
# Esses modelos usam técnicas avançadas de aprendizado de máquina e redes neurais para
# compreender e gerar texto com base em dados de entrada. As aplicações de LLM incluem
# tradução automática, análise de sentimento, modelagem de tópicos e resposta a perguntas
# automatizadas. Eles estão sendo cada vez mais utilizados em diversas áreas, como
# saúde, educação e finanças, para melhorar a comunicação, as experiências dos clientes
# e os resultados da pesquisa.

📚 詳細文檔

整體結果

詳細結果

assin2_rte

assin2_sts

bluex

enem_challenge

faquad_nli

hatebr_offensive

oab_exams

portuguese_hate_speech

tweetsentbr

模型元信息

開放葡萄牙語大語言模型排行榜評估結果

詳細結果可在此處和🚀 開放葡萄牙語大語言模型排行榜查看。

📄 許可證

本項目採用MIT許可證。