🚀 llama-3-gutenberg-8B

本模型基于Llama - 3 - 8b，受META LLAMA 3 COMMUNITY LICENSE AGREEMENT许可协议约束。它是在nbeerbower/llama - 3 - bophades - v3 - 8B基础上，针对jondurbin/gutenberg - dpo - v0.1数据集进行微调得到的。

🚀 快速开始

此模型基于Llama - 3 - 8b，在特定数据集上微调而成。下面将介绍其微调方法、配置等内容。

✨ 主要特性

• 基于Llama - 3 - 8b进行微调，继承了其基础能力。
• 在多个文本生成任务上有评估结果，可参考Open LLM Leaderboard。

📚 详细文档

方法

使用Google Colab上的A100进行微调。可参考在Colab笔记本中微调你自己的Llama 2模型。

配置

数据集准备和系统提示

def chatml_format(example):

    # Format instruction
    prompt = "<|im_start|>user\n" + example['prompt'] + "<|im_end|>\n<|im_start|>assistant\n"

    # Format chosen answer
    chosen = example['chosen'] + "<|im_end|>\n"

    # Format rejected answer
    rejected = example['rejected'] + "<|im_end|>\n"

    return {
        "prompt": prompt,
        "chosen": chosen,
        "rejected": rejected,
    }

dataset = load_dataset("jondurbin/gutenberg-dpo-v0.1")['train']

# Save columns
original_columns = dataset.column_names

# Tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_name)
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = "left"

# Format dataset
dataset = dataset.map(
    chatml_format,
    remove_columns=original_columns
)

LoRA、模型和训练设置

# LoRA configuration
peft_config = LoraConfig(
    r=16,
    lora_alpha=16,
    lora_dropout=0.05,
    bias="none",
    task_type="CAUSAL_LM",
    target_modules=['k_proj', 'gate_proj', 'v_proj', 'up_proj', 'q_proj', 'o_proj', 'down_proj']
)

# Model to fine-tune
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    load_in_4bit=True
)
model.config.use_cache = False

# Reference model
ref_model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    load_in_4bit=True
)

# Training arguments
training_args = TrainingArguments(
    per_device_train_batch_size=2,
    gradient_accumulation_steps=2,
    gradient_checkpointing=True,
    learning_rate=2e-5,
    lr_scheduler_type="cosine",
    max_steps=1000,
    save_strategy="no",
    logging_steps=1,
    output_dir=new_model,
    optim="paged_adamw_32bit",
    warmup_steps=100,
    bf16=True,
    report_to="wandb",
)

# Create DPO trainer
dpo_trainer = DPOTrainer(
    model,
    ref_model,
    args=training_args,
    train_dataset=dataset,
    tokenizer=tokenizer,
    peft_config=peft_config,
    beta=0.1,
    max_prompt_length=1024,
    max_length=1536,
    force_use_ref_model=True
)

📄 许可证

本模型使用的许可证为META LLAMA 3 COMMUNITY LICENSE AGREEMENT。

🔍 评估结果

Open LLM Leaderboard评估结果

详细结果可查看此处！ 总结结果可查看此处！

📋 模型信息