shibing624/llama-13b-belle-zh-lora

Chinese QA LoRA Model

llama中文问答LoRA模型

llama-13B-belle-zh-lora evaluate test data：

The overall performance of llama-13B-belle-zh-lora on QA test:

input_text	predict
用一句话描述地球为什么是独一无二的\n答：	地球是独一无二的，因为它是我们的家园，它是我们的生命的基础，它是我们的星球。

在中文开放测试集中的表现优异，继承了两方面的优势：1）微调的底座是llama-13B模型，中文的表现优于LLAMA，2）微调使用的是高质量100万条中文ChatGPT指令Belle数据集，微调后的模型对话效果优于原始llama-13B。

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 LlamaModel
model = LlamaModel("llama", "decapoda-research/llama-13b-hf", lora_name="shibing624/llama-13b-belle-zh-lora")
r = model.predict(["用一句话描述地球为什么是独一无二的\n答："])
print(r) # ['地球是独一无二的，因为它是我们的家园，它是我们的生命的基础，它是我们的星球。']

模型文件组成：

llama-13b-belle-zh-lora
    ├── adapter_config.json
    └── adapter_model.bin

训练数据集

1. 50万条中文ChatGPT指令Belle数据集：BelleGroup/train_0.5M_CN
2. 100万条中文ChatGPT指令Belle数据集：BelleGroup/train_1M_CN
3. 5万条英文ChatGPT指令Alpaca数据集：50k English Stanford Alpaca dataset
4. 2万条中文ChatGPT指令Alpaca数据集：shibing624/alpaca-zh
5. 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 = {2021},
  url = {https://github.com/shibing624/textgen},
}