Trinity 33B V1.0

🚀 Trinity

Trinity 是一款通用的编码人工智能。Trinity-33B-v1.0 在 HumanEval 测试中取得了 70 分的成绩。

✨ 主要特性

• 高性能编码：Trinity 作为通用编码 AI，在 HumanEval 测试中表现出色，Trinity-33B-v1.0 达到 70 分。
• 进攻性网络安全模型：旗下的进攻性网络安全模型 WhiteRabbitNeo - 33B - v1.2 已进入测试阶段，具备提示增强功能。

📦 安装指南

文档未提供安装步骤，暂不展示。

💻 使用示例

基础用法

import torch, json
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "/home/migel/models/Trinity"

model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.float16,
    device_map="auto",
    load_in_4bit=False,
    load_in_8bit=True,
    trust_remote_code=True,
)

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


def generate_text(instruction):
    tokens = tokenizer.encode(instruction)
    tokens = torch.LongTensor(tokens).unsqueeze(0)
    tokens = tokens.to("cuda")

    instance = {
        "input_ids": tokens,
        "top_p": 1.0,
        "temperature": 0.5,
        "generate_len": 1024,
        "top_k": 50,
    }

    length = len(tokens[0])
    with torch.no_grad():
        rest = model.generate(
            input_ids=tokens,
            max_length=length + instance["generate_len"],
            use_cache=True,
            do_sample=True,
            top_p=instance["top_p"],
            temperature=instance["temperature"],
            top_k=instance["top_k"],
            num_return_sequences=1,
        )
    output = rest[0][length:]
    string = tokenizer.decode(output, skip_special_tokens=True)
    answer = string.split("USER:")[0].strip()
    return f"{answer}"




conversation = f"SYSTEM: You are an AI that can code. Answer with code."


while True:
    user_input = input("You: ")
    llm_prompt = f"{conversation} \nUSER: {user_input} \nASSISTANT: "
    answer = generate_text(llm_prompt)
    print(answer)
    conversation = f"{llm_prompt}{answer}"
    # print(conversation)
    json_data = {"prompt": user_input, "answer": answer}

    # print(json_data)
    # with open(output_file_path, "a") as output_file:
    #     output_file.write(json.dumps(json_data) + "\n")

📚 详细文档

进攻性网络安全模型试用

我们的进攻性网络安全模型 WhiteRabbitNeo - 33B - v1.2 目前处于测试阶段！你可以查看其提示增强功能，访问地址：https://www.whiterabbitneo.com/

加入 Discord 服务器

欢迎加入我们的 Discord 服务器，链接：https://discord.gg/8Ynkrcbk92 （12 月 29 日更新，现为永久加入链接）

使用条款

当你访问并使用此人工智能（AI）模型时，你作为用户，需承认并同意你需独自对你使用该模型及其产生的结果负责。你特此同意赔偿、辩护并使此 AI 模型的创建者、开发者以及任何关联人员或实体免受因你使用该 AI 模型而直接或间接产生的任何及所有索赔、责任、损害、损失、成本、费用（包括合理的律师费和诉讼费）。

此 AI 模型按“原样”和“现有状态”提供，不提供任何形式的明示或暗示保证，包括但不限于适销性、特定用途适用性和不侵权的保证。创建者不保证该 AI 模型将满足你的要求，或能在不间断、安全或无错误的基础上使用。

你使用该 AI 模型需自行承担风险和责任，并且你将独自对因使用该 AI 模型而导致的计算机系统损坏或数据丢失负责。

本免责声明构成你与该 AI 模型创建者就你使用该模型达成的协议的一部分，取代你与创建者之前就使用此 AI 模型达成的任何协议。

📄 许可证

• 许可证类型：other
• 许可证名称：deepseek - coder - 33b
• 许可证链接：https://huggingface.co/deepseek-ai/deepseek-coder-33b-base/blob/main/LICENSE