Chinese Alpaca Plus 7B Model
发布中文LLaMA, Alpaca Plus版（7B）模型
推出中文LLaMA, Alpaca Plus版（7B），相比基础版本的改进点如下：
- 进一步扩充了训练数据，其中LLaMA扩充至120G文本（通用领域），Alpaca扩充至4M指令数据（重点增加了STEM相关数据）
- Alpaca训练时采用了更大的rank，相比原版具有更低的验证集损失
- 评测结果显示，Alpaca-Plus-7B相比基础版Alpaca-7B效果更优，部分任务接近或超过13B版本
- 这一轮比拼：7B获得65.3分，13B获得70.9分，Plus-7B效果75.3分，具体评测结果请参考效果评测
本模型是原生LLaMA-7B合并中文LLaMA LoRA和中文Alpaca LoRA后的模型权重chinese-alpaca-plus-7b-hf，并转化为HuggingFace版本权重（.bin文件），可以直接使用或者继续训练。
13b-hf权重链接：https://huggingface.co/shibing624/chinese-alpaca-plus-13b-hf
test case:
| input_text | predict |
|---|---|
| 为什么天空是蓝色的？ | 天空是蓝色的，是因为大气层中的气体分子会散射太阳光中的蓝色光，使得我们看到的天空是蓝色的。 |
release model weight
- chinese-llama-plus-7b 模型权重链接：https://huggingface.co/minlik/chinese-llama-plus-7b-merged
- chinese-alpaca-plus-7b 模型权重链接：https://huggingface.co/shibing624/chinese-alpaca-plus-7b-hf
- chinese-llama-plus-13b 模型权重链接：https://huggingface.co/shibing624/chinese-llama-plus-13b-hf
- chinese-aplaca-plus-13b 模型权重链接：https://huggingface.co/shibing624/chinese-alpaca-plus-13b-hf
Usage
本项目开源在textgen项目：textgen，可支持llama模型，通过如下命令调用：
Install package:
pip install -U textgen
from textgen import GptModel
model = GptModel("llama", "shibing624/chinese-alpaca-plus-7b-hf")
r = model.predict(["用一句话描述地球为什么是独一无二的。"])
print(r) # ['地球是独一无二的，因为它拥有独特的大气层、水循环、生物多样性以及其他自然资源，这些都使它成为一个独特的生命支持系统。']
Usage (HuggingFace Transformers)
Without textgen, you can use the model like this:
First, you pass your input through the transformer model, then you get the generated sentence.
Install package:
pip install sentencepiece
pip install transformers>=4.28.0
import torch
import transformers
from transformers import LlamaTokenizer, LlamaForCausalLM
def generate_prompt(text):
return f"""Below is an instruction that describes a task. Write a response that appropriately completes the request.
### Instruction:
{text}
### Response:"""
tokenizer = LlamaTokenizer.from_pretrained('shibing624/chinese-alpaca-plus-7b-hf')
model = LlamaForCausalLM.from_pretrained('shibing624/chinese-alpaca-plus-7b-hf').half().cuda()
model.eval()
text = '为什么天空是蓝色的？'
prompt = generate_prompt(text)
input_ids = tokenizer.encode(prompt, return_tensors='pt').to('cuda')
with torch.no_grad():
output_ids = model.generate(
input_ids=input_ids,
max_new_tokens=128,
temperature=1,
top_k=40,
top_p=0.9,
repetition_penalty=1.15
).cuda()
output = tokenizer.decode(output_ids[0], skip_special_tokens=True)
print(output.replace(text, '').strip())
output:
为什么天空是蓝色的？
天空是蓝色的，是因为大气层中的气体分子会散射太阳光中的蓝色光，使得我们看到的天空是蓝色的。
模型来源
release合并后的模型权重，一步到位直接使用，省电、减少碳排放。
基于 多LoRA权重合并（适用于Chinese-Alpaca-Plus ）方法手动合并而成，具体是使用 decapoda-research/llama-7b-hf 底座模型 合并 Chinese-LLaMA-Plus-LoRA和Chinese-Alpaca-Plus-LoRA 两个LoRA权重 得到，并转化为HuggingFace版本权重（.bin文件）。
HuggingFace版本权重（.bin文件）可用于：
- 使用Transformers进行训练和推理
- 使用text-generation-webui搭建界面
PyTorch版本权重（.pth文件）可用于：
- 使用llama.cpp工具进行量化和部署
PyTorch版本权重（.pth文件）链接，8-bit量化版的Alpaca-Plus-7B：Billsfriend/chinese-Alpaca-7b-plus-ggml-q8_0
模型文件组成：
chinese-alpaca-plus-7b-hf
config.json
generation_config.json
pytorch_model-00001-of-00002.bin
pytorch_model-00002-of-00002.bin
pytorch_model.bin.index.json
special_tokens_map.json
tokenizer.json
tokenizer.model
tokenizer_config.json
硬件要求：14G显存
微调数据集
我整理部分公开微调数据集：
- 50万条中文ChatGPT指令Belle数据集：BelleGroup/train_0.5M_CN
- 100万条中文ChatGPT指令Belle数据集：BelleGroup/train_1M_CN
- 5万条英文ChatGPT指令Alpaca数据集：50k English Stanford Alpaca dataset
- 5万条中文GPT4指令Alpaca数据集：shibing624/alpaca-zh
- 69万条中文指令Guanaco数据集(Belle50万条+Guanaco19万条)：Chinese-Vicuna/guanaco_belle_merge_v1.0
如果需要训练LLaMA模型，请参考https://github.com/shibing624/textgen
Citation
@software{textgen,
author = {Xu Ming},
title = {textgen: Implementation of language model finetune},
year = {2023},
url = {https://github.com/shibing624/textgen},
}
Reference
Open LLM Leaderboard Evaluation Results
Detailed results can be found here
| Metric | Value |
|---|---|
| Avg. | 42.46 |
| ARC (25-shot) | 49.23 |
| HellaSwag (10-shot) | 70.48 |
| MMLU (5-shot) | 38.39 |
| TruthfulQA (0-shot) | 39.72 |
| Winogrande (5-shot) | 70.09 |
| GSM8K (5-shot) | 0.68 |
| DROP (3-shot) | 28.61 |
- Downloads last month
- 1,156