Llm Jp 3 1.8b Instruct

🚀 llm-jp-3-1.8b-instruct

本倉庫提供了由國立情報學研究所的大語言模型研發中心開發的大語言模型。

🚀 快速開始

本項目提供了大語言模型，下面為你介紹使用所需的庫版本及使用示例。

✨ 主要特性

• 支持多種編程語言，包括C、C++、C#、Go、Java、JavaScript、Lua、PHP、Python、Ruby、Rust、Scala和TypeScript。
• 提供了多種模型變體，可滿足不同需求。
• 經過多語言數據集的預訓練和微調，具備較好的語言處理能力。

📦 安裝指南

使用該模型需要安裝以下庫及其對應版本：

• torch>=2.3.0
• transformers>=4.40.1
• tokenizers>=0.19.1
• accelerate>=0.29.3
• flash-attn>=2.5.8

💻 使用示例

基礎用法

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("llm-jp/llm-jp-3-1.8b-instruct")
model = AutoModelForCausalLM.from_pretrained("llm-jp/llm-jp-3-1.8b-instruct", device_map="auto", torch_dtype=torch.bfloat16)
chat = [
    {"role": "system", "content": "以下は、タスクを説明する指示です。要求を適切に満たす応答を書きなさい。"},
    {"role": "user", "content": "自然言語処理とは何か"},
]
tokenized_input = tokenizer.apply_chat_template(chat, add_generation_prompt=True, tokenize=True, return_tensors="pt").to(model.device)
with torch.no_grad():
    output = model.generate(
        tokenized_input,
        max_new_tokens=100,
        do_sample=True,
        top_p=0.95,
        temperature=0.7,
        repetition_penalty=1.05,
    )[0]
print(tokenizer.decode(output))

📚 詳細文檔

模型詳情

分詞器

該模型的分詞器基於huggingface/tokenizers的Unigram字節回退模型。詞彙表條目從llm-jp-tokenizer v3.0轉換而來。有關詞彙表構建過程的詳細信息，請參考llm-jp-tokenizer的README.md（純SentencePiece訓練無法重現我們的詞彙表）。

數據集

預訓練

模型使用以下數據集的混合進行了預訓練：

指令微調

模型在以下數據集上進行了微調：

評估

llm-jp-eval (v1.3.1)

使用開發集的100個示例對模型進行了評估：

日語MT Bench

使用gpt-4-0613對模型進行了評估，詳情請見代碼：

🔧 技術細節

模型處於研發的早期階段，尚未進行調整以確保輸出符合人類意圖和安全考量。

📄 許可證

本項目採用Apache許可證2.0版。

模型卡片作者

姓名按字母順序排列。

Hirokazu Kiyomaru和Takashi Kodama。

問題反饋

如有問題，請發送郵件至llm-jp(at)nii.ac.jp。