标签:

• 训练生成
• 对话型
• 波兰语 许可证: mit 语言:
• 波兰语(pl) 数据集:
• eryk-mazus/polka-dpo-v1 管道标签: 文本生成 推理: 否

Polka-1.1B-Chat 波兰语对话模型

eryk-mazus/polka-1.1b-chat 是首个专为本地运行设计的波兰语对话助手模型。

该模型基于TinyLlama-1.1B，通过定制扩展的分词器提升波兰语生成效率，并额外进行了57亿token的预训练。随后在约6万条合成生成与机器翻译的多轮对话数据上进行了微调，并采用直接偏好优化(DPO)技术。

上下文长度: 4,096个token

同步发布资源:

• polka-1.1b基础模型 - 扩展分词器+DSIR筛选波兰语语料预训练
• polka-pretrain-en-pl-v1 - 预训练数据集
• polka-dpo-v1 - DPO配对数据集
• polka-1.1b-chat-gguf - 对话模型GGUF格式文件

使用示例

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, TextStreamer

model_name = "eryk-mazus/polka-1.1b-chat"

tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=True)
tokenizer.pad_token = tokenizer.eos_token

model = AutoModelForCausalLM.from_pretrained(
    model_name, 
    torch_dtype=torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16,
    device_map="auto"
)
streamer = TextStreamer(tokenizer, skip_prompt=True)

# 系统提示设定
system_prompt = "你是一个乐于助人的助手。"
chat = [{"role": "system", "content": system_prompt}]

# 用户输入示例
user_input = "写一首关于编程的短歌。"
chat.append({"role": "user", "content": user_input})

# 生成配置
inputs = tokenizer.apply_chat_template(chat, add_generation_prompt=True, return_tensors="pt")
first_param_device = next(model.parameters()).device
inputs = inputs.to(first_param_device)

with torch.no_grad():
    outputs = model.generate(
        inputs,
        pad_token_id=tokenizer.eos_token_id,
        max_new_tokens=512,
        temperature=0.2,
        repetition_penalty=1.15,
        top_p=0.95,
        do_sample=True,
        streamer=streamer,
    )

# 解析生成结果
new_tokens = outputs[0, inputs.size(1):]
response = tokenizer.decode(new_tokens, skip_special_tokens=True)
chat.append({"role": "assistant", "content": response})

本模型完美兼容vLLM推理框架。

提示词格式

采用ChatML格式:

<|im_start|>system
你是一个乐于助人的助手。
<|im_start|>user
成年人每日建议摄入多少卡路里？<|im_end|>
<|im_start|>assistant
建议成年人每日摄入2000-3000大卡以维持健康状态。<|im_end|>

可通过chat template功能自动格式化，如上文示例所示。