Cere Llama 3.1 8B Tr

🚀 CERE V2 -LLMA-3.1-8b-TR

CERE V2 -LLMA-3.1-8b-TR 是基於 Llama3.1 8b 大語言模型針對土耳其語進行微調的版本。它在由各種開源和內部資源創建的高質量土耳其語指令集上進行訓練。土耳其語指令數據集經過精心註釋，能夠準確、有條理地執行土耳其語指令。

✨ 主要特性

• 基礎模型：基於 LLMA 3.1 8B 的大語言模型。
• 分詞器擴展：專門為土耳其語進行了擴展。
• 訓練數據集：包含 50 億標記的清理後的土耳其語原始數據，以及自定義的土耳其語指令集。
• 訓練方法：最初使用 DORA 進行訓練，隨後使用 LORA 進行微調。

📊 基準測試結果

💻 使用示例

基礎用法

from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda" # the device to load the model onto

model = AutoModelForCausalLM.from_pretrained(
    "Cerebrum/cere-llama-3.1-8B-tr",
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Cerebrum/cere-llama-3.1-8B-tr")

prompt = "Python'da ekrana 'Merhaba Dünya' nasıl yazılır?"
messages = [
    {"role": "system", "content": "Sen, Cerebrum Tech tarafından üretilen ve verilen talimatları takip ederek en iyi cevabı üretmeye çalışan yardımcı bir yapay zekasın."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

generated_ids = model.generate(
    model_inputs.input_ids,
    temperature=0.3,
    top_k=50,
    top_p=0.9,
    max_new_tokens=512,
    repetition_penalty=1,
)
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]

📄 許可證

本模型使用的許可證為 llama3.1。