56 lines
2.5 KiB
Markdown
56 lines
2.5 KiB
Markdown
---
|
||
license: other
|
||
license_name: license
|
||
license_link: LICENSE
|
||
---
|
||
<div align="center">
|
||
<h1>
|
||
Index-1.9B-Chat
|
||
</h1>
|
||
</div>
|
||
|
||
## 模型介绍
|
||
|
||
我们很高兴首次发布Index系列模型中的轻量版本：Index-1.9B系列
|
||
本次开源的Index-1.9B 系列包含以下模型：
|
||
- Index-1.9B base : 基座模型，具有 19亿 非词嵌入参数量，在2.8T 中英文为主的语料上预训练，多个评测基准上与同级别模型比处于领先。
|
||
- Index-1.9B pure : 基座模型的对照组，与base具有相同的参数和训练策略，不同之处在于我们严格过滤了该版本语料中所有指令相关的数据，以此来验证指令对benchmark的影响。
|
||
- **Index-1.9B chat(本仓库模型)** : 基于index-1.9B base通过SFT和DPO对齐后的对话模型，我们发现由于预训练中引入了较多定向清洗的对话类语料，聊天的趣味性明显更强。
|
||
- Index-1.9B character : 在SFT和DPO的基础上引入了RAG来实现fewshots角色扮演定制。
|
||
|
||
|
||
更多细节详见我们的[GitHub](https://github.com/bilibili/Index-1.9B)和[Index-1.9B技术报告](https://github.com/bilibili/Index-1.9B/blob/main/Index-1.9B%20%E6%8A%80%E6%9C%AF%E6%8A%A5%E5%91%8A.pdf)
|
||
|
||
### Transformers 加载方式
|
||
|
||
可通过以下代码加载 Index-1.9B-Chat 模型来进行对话：
|
||
|
||
```python
|
||
import argparse
|
||
from transformers import AutoTokenizer, pipeline
|
||
|
||
# 注意！目录不能含有"."，可以替换成"_"
|
||
parser = argparse.ArgumentParser()
|
||
parser.add_argument('--model_path', default="./IndexTeam/Index-1.9B-Chat", type=str, help="")
|
||
parser.add_argument('--device', default="cpu", type=str, help="") # also could be "cuda" or "mps" for Apple silicon
|
||
args = parser.parse_args()
|
||
|
||
tokenizer = AutoTokenizer.from_pretrained(args.model_path, trust_remote_code=True)
|
||
generator = pipeline("text-generation",
|
||
model=args.model_path,
|
||
tokenizer=tokenizer, trust_remote_code=True,
|
||
device=args.device)
|
||
|
||
|
||
system_message = "你是由哔哩哔哩自主研发的大语言模型，名为“Index”。你能够根据用户传入的信息，帮助用户完成指定的任务，并生成恰当的、符合要求的回复。"
|
||
query = "续写 天不生我金坷垃"
|
||
model_input = []
|
||
model_input.append({"role": "system", "content": system_message})
|
||
model_input.append({"role": "user", "content": query})
|
||
|
||
model_output = generator(model_input, max_new_tokens=300, top_k=5, top_p=0.8, temperature=0.3, repetition_penalty=1.1, do_sample=True)
|
||
|
||
print('User:', query)
|
||
print('Model:', model_output)
|
||
```
|