Yugo55a 4bit

🚀 Yugo55A-GPT 4bit

Yugo55A-GPT 是由 datatab 开发的一款 4bit 模型，在塞尔维亚语大语言模型评估中展现出了优秀的性能。它通过 mergekit 对多个预训练语言模型进行合并，为文本生成等任务提供了强大的支持。

✨ 主要特性

• 多模型融合：融合了多个优秀的预训练语言模型，如 datatab/Yugo55-GPT-v4、mlabonne/AlphaMonarch-7B 等，综合各模型的优势。
• 高性能表现：在塞尔维亚语大语言模型评估的多个指标上取得了优异的成绩。
• 易于使用：提供了详细的使用示例，方便用户快速上手。

📦 安装指南

!pip -q install git+https://github.com/huggingface/transformers # need to install from github
!pip install -q datasets loralib sentencepiece
!pip -q install bitsandbytes accelerate

💻 使用示例

基础用法

from IPython.display import HTML, display

def set_css():
  display(HTML('''
  <style>
    pre {
        white-space: pre-wrap;
    }
  </style>
  '''))
get_ipython().events.register('pre_run_cell', set_css)

import torch
import transformers
from transformers import AutoTokenizer, AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "datatab/Yugo55A-GPT", torch_dtype="auto"
)

tokenizer = AutoTokenizer.from_pretrained(
    "datatab/Yugo55A-GPT", torch_dtype="auto"
)

高级用法

from typing import Optional
from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer

def generate(
    user_content: str, system_content: Optional[str] = ""
) -> str:
    system_content = "Ispod je uputstvo koje opisuje zadatak, upareno sa unosom koji pruža dodatni kontekst. Napišite odgovor koji na odgovarajući način kompletira zahtev."

    messages = [
        {
            "role": "system",
            "content": system_content,
        },
        {"role": "user", "content": user_content},
    ]

    tokenized_chat = tokenizer.apply_chat_template(
        messages, tokenize=True, add_generation_prompt=True, return_tensors="pt"
    ).to("cuda")

    text_streamer = TextStreamer(tokenizer, skip_prompt=True, skip_special_tokens=True)
    output = model.generate(
        tokenized_chat,
        streamer=text_streamer,
        max_new_tokens=2048,
        temperature=0.1,
        repetition_penalty=1.11,
        top_p=0.92,
        top_k=1000,
        pad_token_id=tokenizer.pad_token_id,
        eos_token_id=tokenizer.eos_token_id,
        do_sample=True,
    )

    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)

以下是一些具体的调用示例：

generate("Nabroj mi sve planete suncevog sistemai reci mi koja je najveca planeta")
generate("Koja je razlika između lame, vikune i alpake?")
generate("Napišite kratku e-poruku Semu Altmanu dajući razloge za GPT-4 otvorenog koda")

🏆 评估结果

结果通过 Aleksa Gordić 发布的塞尔维亚语大语言模型评估获得：serbian-llm-eval。由于硬件资源限制，评估是在模型的 4 位版本上进行的。

🔗 合并详情

合并方法

这是使用 mergekit 创建的预训练语言模型的合并。该模型使用 linear 合并方法进行合并。

合并的模型

以下模型被包含在合并中：

• datatab/Yugo55-GPT-v4
• datatab/Yugo55-GPT-DPO-v1-chkp-300
• mlabonne/AlphaMonarch-7B
• NousResearch/Nous-Hermes-2-Mistral-7B-DPO

🧩 配置

以下 YAML 配置用于生成此模型：

models:
  - model: datatab/Yugo55-GPT-v4
    parameters:
      weight: 1.0
  - model: datatab/Yugo55-GPT-DPO-v1-chkp-300
    parameters:
      weight: 1.0
  - model: mlabonne/AlphaMonarch-7B
    parameters:
      weight: 0.5
  - model: NousResearch/Nous-Hermes-2-Mistral-7B-DPO
    parameters:
      weight: 0.5
merge_method: linear
dtype: float16

📄 许可证

本项目采用 MIT 许可证。

• 开发者：datatab
• 许可证：mit