license: llama2

📝 论文 • 🤗 Hugging Face • 🧩 Github

🌹 若使用本模型，请为我们的**GitHub仓库**点亮星星支持。您的支持意义重大！

✨ 最新动态

• [2024年1月25日]: 检索必要性判定模型发布于Hugging Face。
• [2024年2月20日]: 查询改写模型发布于Hugging Face。
• [2024年5月19日]: 我们的新研究**小模型，大洞察：利用纤巧代理模型决策LLMs的检索时机与内容被ACL 2024主会**录用。

🎬 快速开始

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

# 构建提示词
question = "《星球大战》第三至六部、第九部《侠盗一号》和《义军崛起》中达斯·维达的配音者是谁？"
heuristic_answer = "达斯·维达的配音由英国演员詹姆斯·厄尔·琼斯完成。他首次在1977年电影《星球大战：新希望》中为该角色配音，其演绎被沿用至所有后续星战电影，包括前传与续作。"
prompt = (f"<s>[INST] <<SYS>>\n你是一个乐于助人的助手。你的任务是根据粗略答案将用户输入解析为"
          f"结构化格式。当前时间为2023-12-20 9:47:28"
          f" <</SYS>>\n 粗略答案: (({heuristic_answer}))\n问题: (({question})) [/INST]")

# 也可仅输入问题
# prompt = (f"<s>[INST] <<SYS>>\n你是一个乐于助人的助手。你的任务是将用户输入解析为"
#           f"结构化格式。当前时间为2023-12-20 9:47:28"
#           f" <</SYS>>\n{question} [/INST]")

params_query_rewrite = {"repetition_penalty": 1.05, "temperature": 0.01, "top_k": 1, "top_p": 0.85,
                        "max_new_tokens": 512, "do_sample": False, "seed": 2023}

# 部署模型
model = AutoModelForCausalLM.from_pretrained("zstanjj/SlimPLM-Query-Rewriting").eval()
if torch.cuda.is_available():
    model.cuda()
tokenizer = AutoTokenizer.from_pretrained("zstanjj/SlimPLM-Query-Rewriting")

# 执行推理
input_ids = tokenizer.encode(prompt.format(question=question, answer=heuristic_answer), return_tensors="pt")
len_input_ids = len(input_ids[0])
if torch.cuda.is_available():
    input_ids = input_ids.cuda()
outputs = model.generate(input_ids)
res = tokenizer.decode(outputs[0][len_input_ids:], skip_special_tokens=True)
print(res)

✏️ 引用规范

@inproceedings{Tan2024SmallMB,
  title={小模型，大洞察：利用纤巧代理模型决策LLMs的检索时机与内容},
  author={谭杰俊 and 邹志诚 and 朱宇韬 and 郭培栋 and 方堃 and 文继荣},
  year={2024},
  url={https://arxiv.org/abs/2402.12052}
}