Cere Llama 3.1 8B Tr

🚀 CERE V2 -LLMA-3.1-8b-TR

CERE V2 -LLMA-3.1-8b-TR 是基于 Llama3.1 8b 大语言模型针对土耳其语进行微调的版本。它在由各种开源和内部资源创建的高质量土耳其语指令集上进行训练。土耳其语指令数据集经过精心注释，能够准确、有条理地执行土耳其语指令。

✨ 主要特性

• 基础模型：基于 LLMA 3.1 8B 的大语言模型。
• 分词器扩展：专门为土耳其语进行了扩展。
• 训练数据集：包含 50 亿标记的清理后的土耳其语原始数据，以及自定义的土耳其语指令集。
• 训练方法：最初使用 DORA 进行训练，随后使用 LORA 进行微调。

📊 基准测试结果

💻 使用示例

基础用法

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]

📄 许可证

本模型使用的许可证为 llama3.1。