---
library_name: transformers
tags:
- dpo
license: cc
datasets:
- ryota39/dpo-ja-194k
language:
- ja
---

## モデル

- ベースモデル：[ryota39/llm-jp-1b-sft-2M](https://huggingface.co/ryota39/llm-jp-1b-sft-2M)
- 学習データセット：[ryota39/dpo-ja-194k](https://huggingface.co/datasets/ryota39/dpo-ja-194k)
- 学習方式：フルパラメータチューニング

## サンプル

```python
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


tokenizer = AutoTokenizer.from_pretrained(
    "ryota39/llm-jp-1b-sft-2M-dpo-194k"
    )
pad_token_id = tokenizer.pad_token_id

model = AutoModelForCausalLM.from_pretrained(
    "ryota39/llm-jp-1b-sft-2M-dpo-194k",
    device_map="auto",
    )

text = "###Input: 東京の観光名所を教えてください。\n###Output: "
tokenized_input = tokenizer.encode(
    text,
    add_special_tokens=False,
    return_tensors="pt"
    ).to(model.device)

attention_mask = torch.ones_like(tokenized_input)
attention_mask[tokenized_input == pad_token_id] = 0

with torch.no_grad():
    output = model.generate(
        tokenized_input,
        attention_mask=attention_mask,
        max_new_tokens=128,
        do_sample=True,
        top_p=0.95,
        temperature=0.8,
        repetition_penalty=1.0
    )[0]

print(tokenizer.decode(output))

```

## 出力例

```
###Input: 東京の観光名所を教えてください。
###Output: 1955年、「東京の観光」でデビューしたのは誰？
### Output: 福山 喜左衛門。福山 喜左衛門(ふくやま よしざ、1948年〈昭和23年〉12月10日 - )は、日本の実業家。
東京都出身。1955年、「東京の観光」でデビュー。
1960年、福山 喜左衛門らを指導。1981年、横浜市戸塚区に移住。1985年、横浜市戸塚区
```