ELYZA-japanese-Llama-2-7b-fast-instruct

ELYZA-japanese-Llama-2-7b-fast-instruct 项目介绍

项目背景

ELYZA-japanese-Llama-2-7b-fast-instruct 是一个基于 Llama 2 模型开发的项目，旨在增强其在日语处理方面的能力。通过追加的事前学习训练，这个模型能够更好地理解和生成日语文本，为用户提供更自然和准确的回答。

模型描述

ELYZA-japanese-Llama-2-7b 模型是在 Llama2 的基础上进行额外的日语强化训练实现的。它的主要目标是在自然语言处理任务中提供更优质的日语支持。详细技术信息可以通过博客文章进行了解。

模型使用方法

要使用这个模型，用户可以利用 Python 中的 transformers 库来加载模型和分词器。以下是简单的代码示例：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

B_INST, E_INST = "[INST]", "[/INST]"
B_SYS, E_SYS = "<<SYS>>\n", "\n<</SYS>>\n\n"
DEFAULT_SYSTEM_PROMPT = "あなたは誠実で優秀な日本人のアシスタントです。"
text = "クマが海辺に行ってアザラシと友達になり、最終的には家に帰るというプロットの短編小説を書いてください。"

model_name = "elyza/ELYZA-japanese-Llama-2-7b-instruct"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype="auto")

if torch.cuda.is_available():
    model = model.to("cuda")

prompt = "{bos_token}{b_inst} {system}{prompt} {e_inst} ".format(
    bos_token=tokenizer.bos_token,
    b_inst=B_INST,
    system=f"{B_SYS}{DEFAULT_SYSTEM_PROMPT}{E_SYS}",
    prompt=text,
    e_inst=E_INST,
)

with torch.no_grad():
    token_ids = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt")

    output_ids = model.generate(
        token_ids.to(model.device),
        max_new_tokens=256,
        pad_token_id=tokenizer.pad_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )
output = tokenizer.decode(output_ids.tolist()[0][token_ids.size(1) :], skip_special_tokens=True)
print(output)

以上代码展示了如何利用模型来生成一个关于熊和海豹的短篇小说示例。

模型版本

项目提供了多个模型版本供不同需求的用户使用：

开发者团队

该项目由以下开发者们合力完成（按字母顺序排列）：

• Akira Sasaki
• Masato Hirakawa
• Shintaro Horie
• Tomoaki Nakamura

许可协议

Llama 2 的使用依据 LLAMA 2 社区许可协议，由 Meta Platforms, Inc. 版权所有。

如何引用

如果需要在论文或其他学术文献中引用该项目，可使用以下格式：

@misc{elyzallama2023, 
      title={ELYZA-japanese-Llama-2-7b}, 
      url={https://huggingface.co/elyza/ELYZA-japanese-Llama-2-7b}, 
      author={Akira Sasaki and Masato Hirakawa and Shintaro Horie and Tomoaki Nakamura},
      year={2023},
}

这个项目为日语的语义理解和生成任务提供了强大的支持，致力于为用户提供更好的自然语言处理体验。