基础模型:

• mlabonne/AlphaMonarch-7B
• datatab/Yugo55-GPT-v4
• datatab/Yugo55-GPT-DPO-v1-chkp-300
• NousResearch/Nous-Hermes-2-Mistral-7B-DPO 库名称: transformers 标签:
• mergekit
• merge
• 文本生成推理
• transformers
• mistral 许可证: mit 语言:
• 塞尔维亚语 数据集:
• datatab/alpaca-cleaned-serbian-full
• datatab/ultrafeedback_binarized
• datatab/open-orca-slim-serbian

Yugo55A-GPT 4bit

• 开发者: datatab
• 许可证: mit

🏆 评估结果

评估结果通过塞尔维亚LLM评估获得，由Aleksa Gordić发布: serbian-llm-eval

• 由于硬件资源限制，评估使用的是模型的4位版本。

🔗 合并详情

合并方法

这是使用mergekit合并预训练语言模型的结果。 该模型采用线性合并方法。

合并的模型

合并包含以下模型:

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

🧩 配置

生成此模型使用的YAML配置如下:

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

💻 使用方式

!pip -q install git+https://github.com/huggingface/transformers # 需要从github安装
!pip install -q datasets loralib sentencepiece
!pip -q install bitsandbytes accelerate

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"
)

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


def generate(
    user_content: str, system_content: Optional[str] = ""
) -> str:
    system_content = "以下是描述任务的指令，配以提供额外上下文的输入。请编写一个适当完成要求的回答。"

    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)

generate("列举太阳系的所有行星并告诉我哪颗行星最大")

generate("美洲驼、骆马和羊驼有什么区别？")

generate("给Sam Altman写一封简短的电子邮件，说明开源GPT-4的理由")