license: llama2

📝 论文 • 🤗 Hugging Face • 🧩 Github

🌹 如果您使用本模型，请为我们的 GitHub仓库 点星支持。您的星星对我们意义重大！

✨ 最新动态

• [2024年1月25日]: 检索必要性判断模型发布于 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，大洞见：利用轻量代理模型决定何时为LLM检索及检索内容 被 ACL 2024主会议 收录。

🎬 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，其声音表现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]")
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-Retrieval-Necessity-Judgment").eval()
if torch.cuda.is_available():
    model.cuda()
tokenizer = AutoTokenizer.from_pretrained("zstanjj/SlimPLM-Retrieval-Necessity-Judgment")

# 运行推理
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

@inproceedings{Tan2024SmallMB,
  title={小模型，大洞见：利用轻量代理模型决定何时为LLM检索及检索内容},
  author={谭杰俊 and 邹志诚 and 朱宇涛 and 郭培栋 and 方堃 and 温继荣},
  year={2024},
  url={https://arxiv.org/abs/2402.12052}
}