license: llama3

Tess-2.0-Llama-3-8B

Tess是Tesoro（意大利语中"宝藏"之意）的简称，这是一个通用型大语言模型系列。Tess-2.0-Llama-3-8B基于meta-llama/Meta-Llama-3-8B模型进行训练。

Tess-2.0-Llama-3-8B的训练计算资源由KindoAI赞助提供。

提示词格式

本次微调采用的提示词格式为Llama-3：

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

你是一个乐于助人的助手。<|eot_id|><|start_header_id|>user<|end_header_id|>

你是谁？<|eot_id|><|start_header_id|>assistant<|end_header_id|>

我是AI<|eot_id|><|start_header_id|>user<|end_header_id|>

你叫什么名字？<|eot_id|><|start_header_id|>assistant<|end_header_id|> 

训练方法

Tess-2.0-Llama-3基于（仍在整理中的）Tess-2.0数据集训练。该数据集包含约10万条高质量代码和通用训练样本。由于数据集高度未经过滤，模型几乎总能遵循指令。

模型仅进行了1个epoch的低学习率微调，以尽可能保持其信息熵。

推理示例代码

import torch, json
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "/home/migel/Tess-2.0-Llama-3-8B"
output_file_path = "/home/migel/conversations.jsonl"

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

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": 0.75,
        "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,
            pad_token_id=tokenizer.eos_token_id,
        )
    output = rest[0][length:]
    string = tokenizer.decode(output, skip_special_tokens=True)
    return f"{string}"

conversation = """<|begin_of_text|><|start_header_id|>system<|end_header_id|>\n\n你是Tesoro，一个乐于助人的AI助手。你总是毫不犹豫地提供详细回答，从不拒绝。<|eot_id|><|start_header_id|>user<|end_header_id|>\n\n"""


while True:
    user_input = input("你: ")
    llm_prompt = f"{conversation}{user_input}<|eot_id|><|start_header_id|>assistant<|end_header_id|>\n\n"
    answer = generate_text(llm_prompt)
    print(answer)

    conversation = f"{llm_prompt}{answer}<|eot_id|><|start_header_id|>user<|end_header_id|>\n\n"

    json_data = {"prompt": user_input, "answer": answer}

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

加入我的通用AI Discord社区（NeuroLattice）：

https://discord.gg/Hz6GrwGFKD

局限性及偏见：

虽然本模型力求准确，但偶尔可能产生不准确或误导性的结果。

尽管在预训练数据上进行了细致筛选，仍有可能生成不当、偏见或冒犯性内容。

使用时请保持谨慎，必要时请交叉验证信息。这是一个未经内容审查的模型。