Vikhr 7B Instruct 0.2

🚀 Vikhr-7B-instruct_0.2项目

Vikhr-7B-instruct_0.2是一个双语的开源指令跟随大语言模型，主要面向俄语场景。它基于特定数据集进行训练，能处理多种自然语言处理任务，为用户提供智能的交互体验。

🚀 快速开始

环境准备

确保你已经安装了所需的Python库，如peft、transformers、torch等。

代码示例

以下是使用Vikhr-7B-instruct_0.2模型进行对话生成的示例代码：

from peft import PeftModel, PeftConfig
from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
import torch
import os
os.environ['HF_HOME']='.'
MODEL_NAME = "Vikhrmodels/Vikhr-7B-instruct_0.2"
DEFAULT_MESSAGE_TEMPLATE = "<s>{role}\n{content}</s>\n"
DEFAULT_SYSTEM_PROMPT = "Ты — Вихрь, русскоязычный автоматический ассистент. Ты разговариваешь с людьми и помогаешь им."

class Conversation:
    def __init__(
        self,
        message_template=DEFAULT_MESSAGE_TEMPLATE,
        system_prompt=DEFAULT_SYSTEM_PROMPT,
    ):
        self.message_template = message_template
        self.messages = [{
            "role": "system",
            "content": system_prompt
        }]

    def add_user_message(self, message):
        self.messages.append({
            "role": "user",
            "content": message
        })

    def get_prompt(self, tokenizer):
        final_text = ""
        for message in self.messages:
            message_text = self.message_template.format(**message)
            final_text += message_text
        final_text += 'bot'
        return final_text.strip()


def generate(model, tokenizer, prompt, generation_config):
    data = tokenizer(prompt, return_tensors="pt")
    data = {k: v.to(model.device) for k, v in data.items()}
    output_ids = model.generate(
        **data,
        generation_config=generation_config
    )[0]
    output_ids = output_ids[len(data["input_ids"][0]):]
    output = tokenizer.decode(output_ids, skip_special_tokens=True)
    return output.strip()

#config = PeftConfig.from_pretrained(MODEL_NAME)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    load_in_8bit=True,
    torch_dtype=torch.float16,
    device_map="auto"
)
#model = PeftModel.from_pretrained(    model,   MODEL_NAME,   torch_dtype=torch.float16)
model.eval()

tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, use_fast=False)

generation_config = GenerationConfig.from_pretrained(MODEL_NAME)
generation_config.max_length=256
generation_config.top_p=0.9
generation_config.top_k=30
generation_config.do_sample = True
print(generation_config)

inputs = ["Как тебя зовут?", "Кто такой Колмогоров?"]

for inp in inputs:
    conversation = Conversation()
    conversation.add_user_message(inp)
    prompt = conversation.get_prompt(tokenizer)

    output = generate(model, tokenizer, prompt, generation_config)
    print(inp)
    print(output)
    print('\n')

💻 使用示例

基础用法

上述代码展示了如何使用Vikhr-7B-instruct_0.2模型进行简单的对话生成。你可以将不同的用户输入添加到inputs列表中，模型将根据输入生成相应的回复。

高级用法

你可以根据实际需求调整generation_config中的参数，如max_length、top_p、top_k等，以控制生成文本的长度和质量。

📚 详细文档

数据集

本模型使用了以下数据集进行训练：

• zjkarina/Vikhr_instruct
• dichspace/darulm

GGUF版本

GGUF版本可在这里获取。

可视化

你可以通过wandb查看模型训练过程中的相关指标和可视化结果。

📄 许可证

文档未提及相关许可证信息。

Cite

如果你使用了本模型，请引用以下论文：

@inproceedings{nikolich2024vikhr,
  title={Vikhr: Constructing a State-of-the-art Bilingual Open-Source Instruction-Following Large Language Model for {Russian}},
  author={Aleksandr Nikolich and Konstantin Korolev and Sergei Bratchikov and  Igor Kiselev and Artem Shelmanov },
  booktitle = {Proceedings of the 4rd Workshop on Multilingual Representation Learning (MRL) @ EMNLP-2024}
  year={2024},
  publisher = {Association for Computational Linguistics},
  url={https://arxiv.org/pdf/2405.13929}
}