🚀 植物科学大语言模型PLLaMa

本模型基于LLaMa - 2，在超过150万篇植物科学学术文章上进行持续训练，专为植物科学领域优化，能为植物科学研究提供有力支持。

🚀 快速开始

以下是使用该模型的示例代码：

from transformers import LlamaTokenizer, LlamaForCausalLM
import torch

tokenizer = LlamaTokenizer.from_pretrained("Xianjun/PLLaMa-7b-base")
model = LlamaForCausalLM.from_pretrained("Xianjun/PLLaMa-7b-base").half().to("cuda")

instruction = "How to ..."
batch = tokenizer(instruction, return_tensors="pt", add_special_tokens=False).to("cuda")
with torch.no_grad():
    output = model.generate(**batch, max_new_tokens=512, temperature=0.7, do_sample=True)
    response = tokenizer.decode(output[0], skip_special_tokens=True)

📚 详细文档

模型信息

📄 许可证

本模型使用Apache - 2.0许可证。

📚 引用信息

如果您在研究中发现PLLaMa很有用，请引用以下论文：

@inproceedings{Yang2024PLLaMaAO,
  title={PLLaMa: An Open-source Large Language Model for Plant Science},
  author={Xianjun Yang and Junfeng Gao and Wenxin Xue and Erik Alexandersson},
  year={2024},
  url={https://api.semanticscholar.org/CorpusID:266741610}
}