Oumuamua-7b-instruct-v2-RP

nitky/Oumuamua-7b-instruct-v2をロールプレイ用にLoRAでファインチューニングしたモデルです。

プロンプトフォーマット

以下のようなchat templateを利用してください。（Alpacaの改変版）

{ロールプレイの指示、世界観・あらすじの説明、キャラの設定など}

### 入力:
こんにちは。

### 応答:
こんにちは！</s>

### 入力:
今日はいい天気ですね。

### 応答:

また、マルチターンの対話を行う場合、各ターンのアシスタントの応答の末尾にeos tokenを必ずつけてください。

学習の設定

RunpodでGPUサーバを借り、A6000x4で学習を行いました。学習データをクオリティの高いものと低いものに2分し、2段階に分けて学習しています。

1回目の学習

まず、比較的クオリティの低いデータセットで1回学習を行いました。 利用データセットは以下の通りです。

• OmniAICreator/Japanese-Roleplay
• OmniAICreator/Japanese-Roleplay-Dialogues

学習パラメータは以下の通りです。

• lora_r: 128
• lisa_alpha: 256
• lora_dropout: 0.05
• lora_target_modules: ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj", "lm_head"]
• learning_rate: 2e-5
• num_train_epochs: 1 epoch
• batch_size: 32
• max_seq_length: 4096

2回目の学習

次に、クオリティの高いデータセットで学習を行いました。この2回目の学習は、completion onlyな学習ではなく、instruction部分もloss計算に入れる手法を取り入れています。また、事前学習で使われるようなinstruction形式ではないデータセットも全体の20%程度混ぜています。 利用データセットは以下の通りです。

• Aratako/Rosebleu-1on1-Dialogues-RP
• Aratako/LimaRP-augmented-ja-karakuri
• Aratako/Bluemoon_Top50MB_Sorted_Fixed_ja
• grimulkan/LimaRP-augmented
• SicariusSicariiStuff/Bluemoon_Top50MB_Sorted_Fixed
• 事前学習用データ（instruction形式になっていないもの）

学習パラメータは以下の通りです。

• lora_r: 128
• lisa_alpha: 256
• lora_dropout: 0.05
• lora_target_modules: ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj", "lm_head"]
• learning_rate: 2e-5
• num_train_epochs: 3 epochs
• batch_size: 32
• max_seq_length: 4096