IDEA-CCNL

/

Ziya-LLaMA-13B-Pretrain-v1

like 19

可以在 greedy sample 下验证推理输出( do_sample = False)，以 model cards 为例，Pretrain 这个模型输出是

<human>:帮我写一份去西安的旅游计划
<bot>:好的,请输入你的出发时间
<human>:明天

我们也复核了 delta 模型恢复出的输出一致。

你好，我用model cards的代码，得到的输出完全不一样的。会出现很多重复的回答， 而且也不是 这种格式的

运行代码是这个：
input_ids = tokenizer(inputs, return_tensors="pt").input_ids.to(device)
generate_ids = model.generate(
input_ids,
max_new_tokens=1024,
do_sample = False,
top_p = 0.85,
temperature = 1.0,
repetition_penalty=1.,
eos_token_id=2,
bos_token_id=1,
pad_token_id=0)
output = tokenizer.batch_decode(generate_ids)[0]

下面是输出的结果：
帮我写一份去西安的旅游计划书吧？西安是一座有着3100多年历史的文化古都，是中华文明的发祥地之一，是中华民族的摇篮，中华文明的发祥地之一，中华文明的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮，中华民族的发祥地之一，中华民族的摇篮

你好，前一条回复的格式化输出是因为我默认加了 '' + query.strip() + '\n' 两个特殊符对输出有影响，抱歉没有给出这个细节。

去掉这个后，直接续写得到和输出和你的一致，合并的权重是正确的。

重复是因为 Greedy sampling 采样容易导致重复，验证正确性时为了去掉随机性可以开。实际用可以开 do_sample = True , beam search 采样以及调整其他 temperature 等减轻重复问题。

好的，那就没问题了，非常感谢~