DevOps-Model-7B-Base
🤗 Hugging Face • 🤖 ModelScope
DevOps-Model 是一个开发运维大模型，主要致力于在 DevOps 领域发挥实际价值。目前，DevOps-Model 能够帮助工程师回答在 DevOps 生命周期中遇到的问题。欢迎访问我们 Github 获取更多信息 DevOps-Model
DevOps-Model-7B-Base 是我们经过高质量 DevOps 语料训练基于 Qwen-7B 加训后的 Base 模型。我们的 Base 模型在开源和 DevOps 领域相关的评测数据上可以取得同规模模型中的最佳效果。同时我们也开源了经过对齐后的 DevOps-Model-7B-Chat 模型，和 14B 参数量的DevOps-Model-14B-Base 和 DevOps-Model-14B-Chat 。
同时我们也在搭建 DevOps 领域专属的评测基准 DevOpsEval，用来更好评测 DevOps 领域模型的效果。
模型评测
我们先选取了 CMMLU 和 CEval 两个评测数据集中和 DevOps 相关的一共六项考试。总计一共 574 道选择题，具体信息如下：
| 评测数据集 | 考试科目 | 题数 |
|---|---|---|
| CMMLU | Computer science | 204 |
| CMMLU | Computer security | 171 |
| CMMLU | Machine learning | 122 |
| CEval | College programming | 37 |
| CEval | Computer architecture | 21 |
| CEval | Computernetwork | 19 |
我们分别测试了 Zero-shot 和 Five-shot 的结果，我们的 DevOps-Model-7B-Base 模型可以在测试的同规模的开源 Base 模型中取得最高的成绩，后续我们也会进行更多的测试。
| 模型 | 模型大小 | Zero-shot 得分 | Five-shot 得分 |
|---|---|---|---|
| DevOps-Model-7B-Base | 7B | 62.72 | 62.02 |
| Qwen-7B-Base | 7B | 55.75 | 56.0 |
| Baichuan2-7B-Base | 7B | 49.30 | 55.4 |
| Internlm-7B-Base | 7B | 47.56 | 52.6 |
快速使用
我们提供简单的示例来说明如何利用 🤗 Transformers 快速使用 Devops-Model-7B-Base 模型
要求
- python 3.8 及以上版本
- pytorch 2.0 及以上版本
- 建议使用CUDA 11.4及以上
依赖项安装
下载模型后，直接通过以下命令安装 requirements.txt 中的包就可以
cd path_to_download_model
pip isntall -r requirements.txt
模型推理示例
from transformers import AutoModelForCausalLM, AutoTokenizer
from transformers.generation import GenerationConfig
tokenizer = AutoTokenizer.from_pretrained("path_to_DevOps-Model-7B-Base", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("path_to_DevOps-Model-7B-Base", device_map="auto", trust_remote_code=True, bf16=True).eval()
# 指定 generation_config
model.generation_config = GenerationConfig.from_pretrained("path_to_DevOps-Model-7B-Base", trust_remote_code=True)
inputs = '''Java 中 HashMap 的实现原理是'''
input_ids = tokenizer(inputs, return_tensors='pt')
input_ids = input_ids.to(model.device)
pred = model.generate(**input_ids)
print(tokenizer.decode(pred[0]))
# Java 中 HashMap 的实现原理是数组 + 链表，数组存放的是链表中的每个节点，链表中的每个节点又存放着下一个节点的地址，从而实现了链表的遍历。当链表长度大于 8 时，链表就会转换成红黑树，从而加快了查询速度。...
免责声明
由于语言模型的特性，模型生成的内容可能包含幻觉或者歧视性言论。请谨慎使用 DevOps-Model 系列模型生成的内容。 如果要公开使用或商用该模型服务，请注意服务方需承担由此产生的不良影响或有害言论的责任，本项目开发者不承担任何由使用本项目（包括但不限于数据、模型、代码等）导致的危害或损失。
致谢
本项目参考了以下开源项目，在此对相关项目和研究开发人员表示感谢。