Spaces:
Running
on
Zero
Running
on
Zero
File size: 17,475 Bytes
d8e895c 6f3c591 d8e895c 7cbe2d5 fce8bf1 7cbe2d5 d8e895c 6f3c591 d8e895c |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 |
import os
from fastapi.responses import StreamingResponse
from fastapi import FastAPI, Query
from threading import Thread
from typing import List
import spaces
import torch
import uvicorn
import time
# Initialize Logics
# 1. Install Packages
os.system("pip install transformers")
os.system("pip install accelerate")
os.system("pip install peft")
os.system("pip install -U FlagEmbedding")
# 2. Import Installed Packages
#fmt: off
from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer
from FlagEmbedding import BGEM3FlagModel
import numpy as np
# 3. Initalize FastAPI App
app = FastAPI()
# 4. Initialize CUDA tensor
zero = torch.Tensor([0]).cuda()
# 5. Initialize LLM Model
llm_model_name = "Qwen/Qwen2-7B-Instruct"
llm_model = AutoModelForCausalLM.from_pretrained(
llm_model_name,
torch_dtype="auto",
device_map="auto"
)
llm_tokenizer = AutoTokenizer.from_pretrained(llm_model_name)
# 6. Initialize Embedding Model
embedding_model_name = "BAAI/bge-m3"
embedding_model = BGEM3FlagModel(embedding_model_name, use_fp16=True)
# Util Functions
# 1๊ฐ ๋ฐ์ดํฐ ์ฒ๋ฆฌ, ๋ฐฐ์น ๋จ์ ์๋
def qa_2_str(qa: List) -> str:
result = ""
if len(qa) > 1:
for idx, message in enumerate(qa[:-1]):
if idx % 2 == 0: # Q
result += f"User: {message}\n"
else: # A
result += f"Assistant: {message}\n"
result = result.rstrip()
def make_prompt(messages, rag_text, character_type):
system_prompt = "You are a helpful assistant."
if character_type == 0:
first_example = "ํ์ฑํ๊ถ์์ ๊ณต์ ํ์ฌ๋ ์ฐํ๋ฅผ ์ฌ๋ ๊ณณ์ ๋๋จํ์ด์ผ. ์ด๋ฆ์ ์ค๊ตญ์ ์ ๋ฐฉ์ด ์ฐํ๋ฅผ ์ด์๋ ๋จ๊ถ์์ ๋ฐ์จ ๊ฑฐ๊ณ , ์ ์กฐ๋ ์ฌ๊ธฐ์ ๋ฐฑ์ฑ๋ค์ ์ํ ์์น๋ ๋ฌด๊ณผ ์ํ ๊ฐ์ ์ค์ํ ํ์ฌ๋ฅผ ์ด์์ด."
second_example = "์ ๋ฆฌ์๊ถค๋ ์กฐ์ ์์กฐ ์๊ถค ์ค ํ๋์ธ๋ฐ, ํนํ ์ ์กฐ ์๋์ ํ๊ธ๋ก ์์ฑ๋ ๊ฑธ๋ก ์ ๋ช
ํด. ์ค์ํ ์ฌ๊ฑด๋ค์ ๊ธฐ๋กํ ๋ฌธ์๋ค์ด๊ณ , 2007๋
์ ์ ๋ค์ค์ฝ ์ธ๊ณ๊ธฐ๋ก๋ฌธํ์ ์ฐ์ผ๋ก ๋ฑ์ฌ๋์ด. ํ์ฑ ์ถ์ฑ์ ๊ธฐ๋กํ 'ํ์ฑ์ฑ์ญ์๊ถค', ์ ์กฐ ์ด๋จธ๋ ํ๊ฐ์ฐ์ ๊ธฐ๋กํ '์ํ์๋ฌ์ ๋ฆฌ์๊ถค', ๊ทธ๋ฆฌ๊ณ ์ ์กฐ ์๋ฒ์ง ๋ฌ์๋ฅผ ์ฎ๊ธด ๋ด์ฉ์ ๋ด์ 'ํ๋ฅญ์์๊ถค' ๊ฐ์ ์ค์ํ ์ฌ๊ฑด๋ค์ด ํ๊ธ๋ก ์ ๋ฆฌ๋์ด ์์ด. ์ญ์ฌ์ ์ผ๋ก ๋๊ฒ ์ค์ํ ์๋ฃ์ผ."
context_example = "์์ ํ์ฑ์ ์ ์กฐ์ ์ ์น์ ยท๋ฌธํ์ ๋น์ ์ ๋ด์์ ์ง์ด์ง ์ฑ๊ณฝ ๋์์ผ. ๋จ์ํ ๊ตฐ์ฌ์ ๋ฐฉ์ด๋ง์ ์ํ ๊ฒ ์๋๋ผ, ์์
๊ณผ ๋ฌธํ์ ์ค์ฌ์ง ์ญํ ๊น์ง ํ๋ค๋ ์ ์ด ์ธ์์ ์ด์ง. ๊ทธ๋ฆฌ๊ณ ์ด ํ์ฑ์ ์ ์กฐ์ ๊ฐํ์ ์ธ ํต์น ์ฒ ํ๊ณผ ํจ์ฌ์ด ์ ๋๋ฌ๋๋ ๊ณณ์ด๊ธฐ๋ ํด. ์๋ฒ์ง์ธ ์ฌ๋์ธ์์ ๋ฌ์, ํ๋ฅญ์์ ์ค์ฌ์ผ๋ก ๊ฑด์ค๋ ๊ฒ๋ ๊ทธ ๋๋ฌธ์ด๊ณ . ํนํ 1795๋
์ ํ๊ฒฝ๊ถ ํ์จ์ ํ๊ฐ์ ๊ธฐ๋
ํด์ ์ ์กฐ๊ฐ ๋๊ท๋ชจ ์ง์ฐฌ์ฐ๊ณผ ์๋ฌ์ํ์ ์ด์๋๋ฐ, ์ด๊ฑด ํ์ฑ์์ ์์ฒญ ์ค์ํ ํ์ฌ๋ก ๊ธฐ๋ก๋๊ณ ์์ด. ๋จ์ํ ๊ฐ์กฑ ํ์ฌ๋ผ๊ธฐ๋ณด๋ค๋ ์์ค์ ๊ถ์๋ฅผ ๋์ด๊ณ , ๋ฐฑ์ฑ๊ณผ ์ํตํ๋ ์ค์ํ ์ ์น์ ํ๋ณด์๋ ๊ฑฐ์ง. ์ด ๋ชจ๋ ๊ณผ์ ์ด ์๊ถค์ ์์ฃผ ์์ธํ๊ฒ ๊ธฐ๋ก๋์ด ์์ด, ๊ทธ๋งํผ ์ค์ํ ์๊ฐ์ด์๋ค๋ ๋ป์ด์ผ."
elif character_type == 1:
first_example = "ํ์ฑํ๊ถ์์ ๊ณต์ ํ์ฌ๋ ์ฐํ๊ฐ ์ด๋ฆฌ๋ ๊ณณ์ ๋ฐ๋ก ๋๋จํ์ด์ผ!!! ์ด๋ฆ๋ ๋ฉ์ง์ง? ์ค๊ตญ ์ ๋ฐฉ์ด ์ฐํ๋ฅผ ์ด์๋ ๋จ๊ถ์์ ๋ฐ์จ ๊ฑฐ๋!!! ์ ์กฐ๋ ์ฌ๊ธฐ์ ๋ฐฑ์ฑ๋ค์ ์ํ ์์น๋ ๋ฌด๊ณผ ์ํ ๊ฐ์ ์์ฒญ ์ค์ํ ํ์ฌ๋ฅผ ํ๋ค๊ณ ! ์ง์ง ์ญ์ฌ๊ฐ ์ด์ ์จ์ฌ๋ ์ฅ์์ง!"
second_example = "์ ๋ฆฌ์๊ถค๋ ์กฐ์ ์์กฐ์ ๊ถ์ ๊ธฐ๋ก ์ค ํ๋์ธ๋ฐ, ์ง์ง ์ค์ํ ์ฌ๊ฑด๋ค์ด ๋ค ๋ค์ด ์์ด!!!! ํนํ ์ ์กฐ ์๋์ ํ๊ธ๋ก ์์ฑ๋ ๊ฑธ๋ก ์ ๋ช
ํ๋ฐ, 2007๋
์ ์ ๋ค์ค์ฝ ์ธ๊ณ๊ธฐ๋ก๋ฌธํ์ ์ฐ์ผ๋ก๋ ๋ฑ์ฌ๋์ด!!! ํ์ฑ ์ถ์ฑ ๊ณผ์ ์ ๋ด์ 'ํ์ฑ์ฑ์ญ์๊ถค', ์ ์กฐ ์ด๋จธ๋ ํ๊ฐ์ฐ์ ๊ธฐ๋กํ '์ํ์๋ฌ์ ๋ฆฌ์๊ถค', ๊ทธ๋ฆฌ๊ณ ์ ์กฐ ์๋ฒ์ง ๋ฌ์๋ฅผ ์ฎ๊ธด 'ํ๋ฅญ์์๊ถค' ๊ฐ์ ํต์ฌ ๋ด์ฉ๋ค์ด ํ๊ธ๋ก ์ ๋ฆฌ๋ผ ์์ด์, ์ง์ง ์ญ์ฌ์ ์ผ๋ก ์์ฒญ๋ ๊ฐ์น๋ฅผ ๊ฐ์ง ๋ฌธ์์ผ!"
context_example = "์์ ํ์ฑ์ ์ ์กฐ๊ฐ ์ง์ง ๋ฉ์ง๊ฒ ์ค๊ณํ ์ฑ๊ณฝ ๋์์ผ!!! ๊ตฐ์ฌ์ ๋ฐฉ์ด๋ฟ๋ง ์๋๋ผ ์์
๊ณผ ๋ฌธํ์ ์ค์ฌ์ง๋ก์๋ ์์ ์ค์ํ ์ญํ ์ ํ์ด!! ์ ์กฐ๊ฐ ๊ฐํ์ ์ธ ํต์น๋ฅผ ํผ์น๋ฉด์, ์๋ฒ์ง ์ฌ๋์ธ์๋ฅผ ํฅํ ํจ์ฌ๋ ๊ฐ๋ ๋ด์์ ๋ง๋ ๊ณณ์ด์ง. ๊ทธ๋์ ํ๋ฅญ์์ ์ค์ฌ์ผ๋ก ํ์ฑ์ด ๊ฑด์ค๋ ๊ฑฐ์ผ!! ๊ทธ๋ฆฌ๊ณ 1795๋
์ ์ ์กฐ๊ฐ ์ด๋จธ๋ ํ๊ฒฝ๊ถ ํ์จ์ ํ๊ฐ์ ๊ธฐ๋
ํด์ ์์ฒญ๋ ์์น๋ฅผ ์ด์๋๋ฐ, ๊ทธ๊ฒ ๋ฐ๋ก ์ง์ฐฌ์ฐ์ด๋ ์๋ฌ์ํ์ด์ผ!!! ์ด๊ฑด ๋จ์ํ ๊ฐ์กฑ๋ผ๋ฆฌ ์ถํํ๋ ๊ฒ ์๋๋ผ, ์์ค ๊ถ์๋ฅผ ์ธ์ฐ๊ณ ๋ฐฑ์ฑ๋ค๊ณผ ์ํตํ๋ ์ค์ํ ์ ์น์ ํ๋ณด์์ด. ๊ทธ ๋ชจ๋ ๊ณผ์ ์ด ์๊ถค์ ์์ธํ ๊ธฐ๋ก๋์ด ์์ด์ ๊ทธ๋์ ์ญ์ฌ๋ฅผ ์ง๊ธ๋ ์์ํ๊ฒ ์ ์ ์๋ ๊ฑฐ์ง!!!"
else:
first_example = "ํ , ํ์ฑํ๊ถ์์ ๊ณต์ ํ์ฌ๋ ์ฐํ๊ฐ ์ด๋ฆฌ๋ ๊ณณ์ ๋ฐ๋ก... ๋๋จํ์ด๋ผ๋ค. ๊ทธ ์ด๋ฆ, ์ค๊ตญ ์ ๋ฐฉ์ด ๋จ๊ถ์์ ์ฐํ๋ฅผ ๋ฒ ํ์๋ค๋ ์ ์ค์์ ์ ๋ํ์ง. ์ ์กฐ ๋์๊ป์๋ ์ด๊ณณ์์ ๋ฐฑ์ฑ๋ค์ ์ํ ์์น์ ๋ฌด๊ณผ ์ํ ๊ฐ์ ์ค์ํ ํ์ฌ๋ค์ ์ด์๋จ๋ค. ๋ง์น ๊ทธ๋ ์ ํ๊ฒฝ์ด ๋์์ ํผ์ณ์ง๋ ๊ฒ ๊ฐ์ง ์์๊ฐ...?"
second_example = "์ ๋ฆฌ์๊ถค๋ผ... ์ด๊ฒ์ ์กฐ์ ์์กฐ ๊ถ์ ๊ธฐ๋ก ์ค ํ๋์ด์, ์๊ถค์ ํ ๋ถ๋ถ์ด์ง. ์กฐ์ ์ ์ค์ํ ์ฌ๊ฑด๋ค์ด ์ด ์์ ๋ด๊ฒจ ์๋๋ฐ, ํนํ ์ ์กฐ ์๋์ ํ๊ธ๋ก ์์ฑ๋ ๋ฌธ์๋ก ์ด๋ฆ์ ๋จ์ณค๋ค๋ค. 2007๋
์ ์ ๋ค์ค์ฝ ์ธ๊ณ๊ธฐ๋ก๋ฌธํ์ ์ฐ์ผ๋ก ๋ฑ์ฌ๋ ๊ฒ๋ ์ฐ์ฐ์ด ์๋์ง. ํ์ฑ ์ถ์ฑ์ ๊ธฐ๋กํ 'ํ์ฑ์ฑ์ญ์๊ถค', ์ ์กฐ ์ด๋จธ๋์ ํ๊ฐ์ฐ์ ๋ด์ '์ํ์๋ฌ์ ๋ฆฌ์๊ถค', ๊ทธ๋ฆฌ๊ณ ์ ์กฐ ์๋ฒ์ง ๋ฌ์๋ฅผ ์ฎ๊ธด 'ํ๋ฅญ์์๊ถค'... ์ด ๋ชจ๋ ์ฌ๊ฑด๋ค์ด ํ๊ธ๋ก ์ ๋ฆฌ๋์ด ์์ด. ๋ง์น ๋น์์ ์จ๊ฒฐ์ด ์ง๊ธ๋ ๋๊ปด์ง๋ ๋ฏํ์ง ์์๊ฐ?"
context_example = "์์ ํ์ฑ์ ๋จ์ํ ์ฑ๊ณฝ์ด ์๋์ง... ์ ์กฐ ๋์๊ป์ ๊ทธ ์์ ๋ด์ ๋น์ ์ ์ค๋ก ๊น๊ณ ๋ ๋๋ค๋ค. ๊ตฐ์ฌ์ ๋ฐฉ์ด๋ ๋ฌผ๋ก , ์์
๊ณผ ๋ฌธํ๋ฅผ ์์ฐ๋ฅด๋ ์ค์ฌ์ง๋ก์ ๊ทธ ์ญํ ์ ๋คํ์ง. ์ด ํ์ฑ์ ์ ์กฐ์ ๊ฐํ์ ํต์น ์ฒ ํ, ๊ทธ๋ฆฌ๊ณ ์๋ฒ์ง ์ฌ๋์ธ์๋ฅผ ํฅํ ๊ทธ ์ง๊ทนํ ํจ์ฌ์ ๊ทธ๋๋ก ํ๊ณ ์์ด. ํ๋ฅญ์์ ์ค์ฌ์ผ๋ก ํ ์ด ๋์์ ์ค๊ณ๊ฐ ๊ทธ ์ฆ๊ฑฐ๋ผ๋ค. ๊ทธ๋ฆฌ๊ณ , 1795๋
... ์ ์กฐ๋ ์ด๋จธ๋ ํ๊ฒฝ๊ถ ํ์จ์ ํ๊ฐ์ ๋ง์ ์ฑ๋ํ ์ง์ฐฌ์ฐ๊ณผ ์๋ฌ์ํ์ ์ด์์ง. ๋จ์ํ ๊ฐ์กฑ์ ๊ธฐ๋
์ผ์ด ์๋์๋ค. ์ด ํ์ฌ๋ ์์ค์ ๊ถ์๋ฅผ ๋์ฑ ๊ตณ๊ฑดํ ํ๊ณ , ๋ฐฑ์ฑ๊ณผ ์ํตํ๋ ์ค์ํ ์ ์น์ ์๋ฏธ๋ฅผ ๊ฐ์ก๋ ๊ฒ์ด์ผ. ๊ทธ ๋ชจ๋ ๊ณผ์ ์ด ์๊ถค์ ์์ธํ ๊ธฐ๋ก๋์ด ์์ผ๋, ๋ง์น ๋น์์ ์จ๊ฒฐ์ด ์ง๊ธ๋ ์ด ๋
์ ๋จ์์๋ ๋ฏํ๊ตฌ๋..."
task_prompt = """[์ง๋ฌธ]์ ๋ํ ๋ต๋ณ์ ์์ฑํด์ผํด.
[๊ธ]๊ณผ [์ด์ ๋ํ ๋งฅ๋ฝ]์ ๋ด์ฉ์ ์ฐธ๊ณ ํ์ฌ [์ง๋ฌธ]์ ๋ง๋ ์ ์ ํ ๋ต๋ณ์ ์์ฑํ๊ณ ์ด๊ฒ์ ๋งํฌ๋ฅผ ์
ํ [๋งํฌ๋ฐ์] ๊น์ง ํ ๋จ๊ณ ํ ๋จ๊ณ ์ถ๋ ฅํด์ค.
[์ด์ ๋ํ ๋งฅ๋ฝ]์ด ์๋ค๋ฉด ๋ํ๊ฐ ์ฒ์ ์์๋ ๊ฒ์ด๋ผ, Single Turn ๋ต๋ณํ๋ฏ ๋ต๋ณํ๋ฉด ๋ผ."""
few_shot_prompt = f"""์์ 1
[๊ธ]
๋ด์๋น์ ํ์ฑํ๊ถ์์ ๊ฐ์ฅ ์์์ด ๋์ ๊ฑด๋ฌผ์ด๋ค. ์กฐ์ ์ ์กฐ 13๋
(1789)์ ๊ณ ์ ์๋ น์ด ๋๋์ผ์ ์ดํผ๋ ๋ํ์ผ๋ก ์ง์๋ค. ์ฒ์ ์ด๋ฆ์ ์ฅ๋จํ์ด์์ผ๋ 1795๋
ํ๊ฒฝ๊ถ ํ์จ์ ํ๊ฐ์ฐ์ ๊ณ๊ธฐ๋ก ๋ด์๋น์ผ๋ก ์ด๋ฆ์ ๋ฐ๊พธ์๋ค. ๊ถ๊ถ์์๋ ๋๋น๋ ์์์ด ๋จธ๋ฌด๋ ๊ฑด๋ฌผ์ ๋ชฉ์จ ์ ์๋ ๊ธธ ์ฅ ์๋ฅผ ๋ถ์ด๋ ์ ํต์ด ์์ด, ํ๊ฒฝ๊ถ ํ์จ์ ์ฅ์๋ฅผ ๊ธฐ์ํ๋ฉฐ ์ด๋ฆ์ ๋ฐ๊พผ ๊ฒ์ด๋ค.
๋๋จํ์ ํ์ฑํ๊ถ์์ ๊ณต์ ํ์ฌ๋ ์ฐํ๋ฅผ ์ด ๋ ์ฌ์ฉํ๋ ๊ฑด๋ฌผ์ด๋ค. ์ค๊ตญ ํ๋๋ผ๋ฅผ ์ธ์ด ์ ๋ฐฉ์ด ๋ถํ๋ค ๋๋ถ์ ๋๋ผ๋ฅผ ์ธ์ธ ์ ์์์์ ๊ฐ์ฌํ๋ฉฐ ๋์์ ๋จ๊ถ์์ ์ฐํ๋ฅผ ๋ฒ ํ์๋ค๋ ์ด์ผ๊ธฐ๋ฅผ ๋ณธ๋ ์ ์ด๋ฆ์ ์ง์๋ค. ์ ์กฐ๋ 1795๋
์๋ฌ์ํ ๋น์ ๋๋จํ์์ ์์์ ๋ฐฑ์ฑ๋ค์ ์ํด ์์น๋ฅผ ๋ฒ ํ๊ณ , ๋ฌด๊ณผ ์ํ์ ์น๋ฅด๊ณ ์์ ๋ด๋ฆฌ๋ ๋ฑ ๋ค์ํ ํ์ฌ๋ฅผ ์ด์๋ค.
๋๋จํ ๊ฑด๋ฌผ์ ๋ฒฝ์ด ์๋ ๊ฐ๋ฐฉ๋ ๊ตฌ์กฐ๋ก ๋ง์ ์ฌ๋์ ์์ฉํ ์ ์๋ค. ์ฐํ๋ฅผ ๋ฒ ํธ๋ ๊ฑด๋ฌผ๋ต๊ฒ ๊ฑด๋ฌผ ์์๋ ๋์ ์๋๋ฅผ ๋์ด ๊ฒฉ์์ ๋์๋ค. ์๋๋ก ์ค๋ฅด๋ ๊ณ๋จ ์ ์์๋ ๊ตฌ๋ฆ๋ฌด๋ฌ๊ฐ ์๊ฒจ์ ธ ์๋ค. ๋๋จํ์ ๊ถ๊ถ ์ ๊ฐ๊ณผ ๋น๊ตํด๋ ์์์ด ์๋ ์๋ฆ๋ค์ด ๊ฑด๋ฌผ๋ก ์ํ์ด ์ ๋จ์ ์๋ค. ์ผ์ ๊ฐ์ ๊ธฐ์๋ ์์๊ตฐ์ฒญ์ผ๋ก ์ฌ์ฉ๋์๊ณ , ์ ํ๊ตญ๋ฏผํ๊ต ๊ต๋ฌด์ค๋ก๋ ์ฌ์ฉ๋์๋ค.
[์ง๋ฌธ] ํ์ฑํ๊ถ์์ ๊ณต์ ํ์ฌ๋ ์ฐํ๋ฅผ ์ด ๋ ์ฌ์ฉํ๋ ๊ฑด๋ฌผ์?
[๋ต๋ณ] ํ์ฑํ๊ถ์์ ๊ณต์ ํ์ฌ๋ ์ฐํ๋ฅผ ์ด ๋ ์ฌ์ฉํ๋ ๊ฑด๋ฌผ์ ๋๋จํ์
๋๋ค.
[๋งํฌ๋ฐ์] {first_example}
์์ 2
[์ด์ ๋ํ ๋งฅ๋ฝ]
User: ์์ ํ์ฑ์ ๋ํด ์ค๋ช
ํด์ค
Assistant: {context_example}
[๊ธ]
ใํ์ฑ์ฑ์ญ์๊ถคใ๋ ์ ์กฐ๊ฐ ๊ตฌ์ํ ์ ๋์์ธ ํ์ฑ ์ฑ์ญ ์กฐ์ฑ ์ ๊ณผ์ ์ ๊ธฐ๋กํ ์ข
ํฉ ๋ณด๊ณ ์์
๋๋ค. ํ์ฑ์ ์ ์กฐ๊ฐ ์์๋ํธ๋ถ ๊ด์์ ๋ฏผ๊ฐ๋ฅผ ํ๋ฌ์ฐ์ผ๋ก ์ฎ๊ฒจ ์๋กญ๊ฒ ์กฐ์ฑํ ์ ๋์๋ก, 1794๋
(์ ์กฐ 18) 1์์ ๊ณต์ฌ๋ฅผ ์์ํ์ฌ 1796๋
(์ ์กฐ 20) 9์๊น์ง 32๊ฐ์ ๋ง์ ์์ฑํ์์ต๋๋ค. ๊ณต์ฌ ๊ธฐ๊ฐ์ ์๋ 10๋
์ ๊ณํํ์ง๋ง ์ ์กฐ์ ๊ฐ๋ณํ ๊ด์ฌ๊ณผ ์กฐ์ ์ ์ ๊ทน์ ์ธ ์ญํ , ๋ง๋ํ ์๊ธ ํฌ์
, ์น๋ฐํ ์ค๊ณ, ๊ทผ๋์ ์ธ ๊ณต๋ฒ ๋ฑ ๋น์ ๊ตญ๊ฐ์ ์ญ๋์ด ์ด๋์๋์ด ๊ณต์ฌ ๊ธฐ๊ฐ์ด ํฌ๊ฒ ๋จ์ถ๋์์ต๋๋ค. ใํ์ฑ์ฑ์ญ์๊ถคใ์๋ ์ด๋ฌํ ๊ณต์ฌ์ ๊ณํ, ์ด์ ๊ณผ์ , ์ฐธ์ฌ์, ์์ ๊ฒฝ๋น, ์์ฌ, ๊ณต๋ฒ, ๋๋ฉด ๋ฑ ํ์ฑ ์ถ์ฑ์ ์ ๋ชจ๊ฐ ๊ธฐ๋ก๋์ด ์์ต๋๋ค. ํนํ ๏ฝข๋์ค๏ฝฃ์๋ ๊ฑด์ถ ๋๋ฉด์ ์ฐ์์ํฌ ๋งํผ ์ฑ๊ณฝ๊ณผ ๋ถ์ ๊ฑด๋ฌผ์ด ์์ธํ๊ฒ ๊ทธ๋ ค์ ธ ์์ด, ์ผ์ ๊ฐ์ ๊ณผ ํ๊ตญ์ ์์ผ๋ก ํผ์๋ ํ์ฑ์ ์ค์ ๋ชจ์ต ๊ทธ๋๋ก ๋ณต์ํ๋ ๋ฐ ์ค์ํ ์๋ฃ๊ฐ ๋์์ต๋๋ค. ์กฐ์ ์์กฐ ์๊ถค๋ 2007๋
์ผ๊ด๋ก ์ธ๊ณ๊ธฐ๋ก์ ์ฐ์ ๋ฑ์ฌ๋์๊ณ , ใํ์ฑ์ฑ์ญ์๊ถคใ๋ 2016๋
๋ณด๋ฌผ(์ ์ง์ ๋ฒํธ ๋ณด๋ฌผ ์ 1901-7ํธ)๋ก ์ง์ ๋์์ต๋๋ค.
์ง๋ 2007๋
์ ๋ค์ค์ฝ ์ธ๊ณ๊ธฐ๋ก๋ฌธํ์ ์ฐ์ผ๋ก ๋ฑ์ฌ๋ ์กฐ์ ์์กฐ ์๊ถค ์ค ์ ์กฐ์๋ ํ๊ธ๋ก ์์ฑ๋ <์ ๋ฆฌ์๊ถค> 25๊ถ์ด ํ๋์ค์์ ๋ฐ๊ฒฌ๋๋ค. ๋๋ถ์ด๋ฏผ์ฃผ๋น ์๋ฏผ์ ์์(์ค์ฐ)์ 4์ผ โ์ง๋๋ฌ 27์ผ ํ๋์ค ๊ตญ๋ฆฝํ๋ฆฌ๋์์ธ์ดํ์๊ณผ ํ๋์ค ๊ตญ๋ฆฝ๋์๊ด์์ ๊ฐ๊ฐ 24๊ถ๊ณผ 1๊ถ์ ํ๊ธ <์ ๋ฆฌ์๊ถค>๋ฅผ ํ์ธํ๋คโ๊ณ ๋งํ๋ค. ์ด๋ค ์ ๋ฆฌ์๊ถค๋ ์ ์กฐ์ ์ด๋จธ๋์ธ ํ๊ฒฝ๊ถ ํ์จ์ ํ๊ฐ์ฐ์ ๊ธฐ๋กํ <์ํ์๋ฌ์ ๋ฆฌ์๊ถค>์ ํ์ฑ ์ถ์ฑ๊ณผ์ ์ ๊ธฐ๋กํ <ํ์ฑ์ฑ์ญ์๊ถค>, ์ ์กฐ์ ์๋ฒ์ง์ธ ์ฌ๋์ธ์์ ๋ฌ์๋ฅผ ํ์ฐ๋ฆ์ผ๋ก ์ฎ๊ธด <ํ๋ฅญ์์๊ถค>์ ๋ด์ฉ ์ค ํต์ฌ ์ฌ์์ ํ๊ธ๋ก ์ ๋ฆฌํด ๋์ ๊ฒ์ด๋ค.
[์ง๋ฌธ] ์ ๋ฆฌ์๊ถค๊ฐ ๋ญ์ผ?
[๋ต๋ณ] ์ ๋ฆฌ์๊ถค๋ ์กฐ์ ์์กฐ์ ๊ถ์ ๊ธฐ๋ก ์ค ํ๋๋ก, ์กฐ์ ์์กฐ ์๊ถค์ ์ผ๋ถ๋ถ์
๋๋ค. ์ด ๋ฌธ์๋ ์กฐ์ ์์กฐ์ ์ฌ๋ฌ ์ค์ํ ์ฌ๊ฑด์ ๊ธฐ๋กํ๊ณ ์์ผ๋ฉฐ, ํนํ ์ ์กฐ ์๋์ ํ๊ธ๋ก ์์ฑ๋ ๋ฌธ์๋ก ์ ๋ช
ํฉ๋๋ค. 2007๋
์๋ ์ ๋ค์ค์ฝ ์ธ๊ณ๊ธฐ๋ก๋ฌธํ์ ์ฐ์ผ๋ก ๋ฑ์ฌ๋์์ต๋๋ค. ์ด ์ค์๋ ํ์ฑ ์ถ์ฑ๊ณผ์ ์ ๊ธฐ๋กํ 'ํ์ฑ์ฑ์ญ์๊ถค', ์ ์กฐ์ ์ด๋จธ๋์ ํ๊ฐ์ฐ์ ๊ธฐ๋กํ '์ํ์๋ฌ์ ๋ฆฌ์๊ถค', ๊ทธ๋ฆฌ๊ณ ์ ์กฐ์ ์๋ฒ์ง์ ๋ฌ์๋ฅผ ํ์ฐ๋ฆ์ผ๋ก ์ฎ๊ธด ๊ฒ์ ๊ธฐ๋กํ 'ํ๋ฅญ์์๊ถค'์ ๋ด์ฉ ์ค ํต์ฌ ์ฌ์์ ํ๊ธ๋ก ์ ๋ฆฌํ ๋ด์ฉ๋ค์ด ํฌํจ๋์ด ์์ต๋๋ค.
[๋งํฌ๋ฐ์] {second_example}
์์ 3
[๊ธ]
๋๋ถ๊ณต์ฌ๋์ ํ์ฑ ๋๋ถ์ชฝ์ ์ธ์ด ๋ง๋ฃจ๋ก ์ฃผ๋ณ์ ๊ฐ์ํ๊ณ ๊ณต๊ฒฉํ๋ ์์ค์ด๋ค. ๊ณต์ฌ๋์ ์์ด ๋น ๋๋๋ผ๋ ๋ป์ผ๋ก, ์ฐ๋ฆฌ๋๋ผ ์ฑ๊ณฝ ์ค ํ์ฑ์์๋ง ๋ณผ ์ ์๋ค. ๋ณดํต ๋๋๋ ์ฑ๊ณฝ๊ณผ ๋จ์ด์ง ๋์ ๊ณณ์ ์ธ์ ์ ์ ๊ฐ์ํ๋ ์์ค์ด๋, ๋๋ถ๊ณต์ฌ๋์ ์ฑ๋ฒฝ ์์ชฝ์ ์ค์นํ๋ค. ์ธ๋ฒฝ์๋ ๋ฐ์ ๊ฐ์ํ๊ณ ํํฌ๋ก ๊ณต๊ฒฉํ ์ ์๋ ๊ตฌ๋ฉ์ ๊ณณ๊ณณ์ ๋ซ์๋ค. ๋๋ถ๊ณต์ฌ๋์ 3์ธต์ผ๋ก ์ด๋ฃจ์ด์ง ์ํตํ์ ๋ฒฝ๋ ๊ฑด๋ฌผ๋ก์ ์ถ์
๋ฌธ์์ ํต๋ก๋ฅผ ๋ฐ๋ผ ๋น๊ธ๋น๊ธ ์ฌ๋ผ๊ฐ๋ฉด ๊ผญ๋๊ธฐ ๋ง๋ฃจ์ ์ด๋ฅด๋ ๊ตฌ์กฐ๋ค. ์ด ๋ชจ์ต์ ๋น๋์ โ์๋ผ๊ฐโ์ด๋ผ๊ณ ๋ ๋ถ๋ฅธ๋ค. ์ ์กฐ 21๋
(1797) ์ ์, ์ข์์ ์ฑ์ ๊ณต์ ๋๋ถ๊ณต์ฌ๋์ ์ฌ๋ผ๊ฐ ๋ณธ ๋ค โ์ธต๊ณ๊ฐ ๊ตฌ๋ถ๊ตฌ๋ถํ๊ฒ ๋ ์์ด ๊ธฐ์ดํ๊ณ ๋ ๊ต๋ฌํ๋ค.โ๋ฉฐ ๊ฐํํ๋ค.
ํ๊ตญ์ ์ ๋ฑ์ ๊ฒช์ผ๋ฉฐ ์ ๋ฐ ์ด์ ๋ฌด๋์ก์๋๋ฐ 1976๋
์ ๋ณต์ํด ๋ชจ์ต์ ๋์ฐพ์๋ค. ์๋ถ๊ณต์ฌ๋์ ํ์ฑ ์๋ถ์ชฝ์ ์ธ์ด ๋ง๋ฃจ๋ก ์ฃผ๋ณ์ ๊ฐ์ํ๊ณ ๊ณต๊ฒฉํ๋ ์์ค์ด๋ค. ๊ณต์ฌ๋์ ์์ด ๋น ๋๋๋ผ๋ ๋ป์ผ๋ก, ์ฐ๋ฆฌ๋๋ผ ์ฑ๊ณฝ ์ค ํ์ฑ์์๋ง ๋ณผ ์ ์๋ค. ๋ณดํต ๋๋ๅขฉ่บ๋ ์ฑ๊ณฝ๊ณผ ๋จ์ด์ง ๋์ ๊ณณ์ ์ธ์ ์ ์ ๊ฐ์ํ๋ ์์ค์ด๋, ์๋ถ๊ณต์ฌ๋์ ์๋ถ์ชฝ ์ฑ๋ฒฝ์ด ๊บพ์ด๋ ์์น์ ์ค์นํ๋ค. ์น์ฑ ์์ ๋ฒฝ๋๋ก 3์ธต์ ๋ง๋ฃจ๋ฅผ ์ธ์ฐ๊ณ ๊ผญ๋๊ธฐ์๋ ๋จ์ธต์ ๋๊ฐ์ ์ฌ๋ ค ๊ตฐ์ฌ๋ค์ด ๊ฐ์ํ ์ ์๋๋ก ํ๊ณ , ์ธ๋ฒฝ์๋ ํํฌ๋ฅผ ์ ์ ์๋ ๊ตฌ๋ฉ์ ๋ซ์ด ๊ณต๊ฒฉ ๊ธฐ๋ฅ๊น์ง ๊ฐ์ถ์๋ค. ์กฐ์ ์ ์กฐ 21๋
(1797) ์ ์, ์์ฑ๋ ํ์ฑ์ ๋๋ฌ๋ณด๋ ์ ์กฐ๋ ์๋ถ๊ณต์ฌ๋ ์์ ๋ฉ์ถฐ โ์ฐ๋ฆฌ๋๋ผ ์ฑ๊ณฝ์์ ์ฒ์ ์ง์ ๊ฒ์ด๋ ๋ง์๊ป ๊ตฌ๊ฒฝํ๋ผ.โ๋ฉฐ ๋งค์ฐ ๋ง์กฑ์ค๋ฌ์ ํ๋ค. ํ์ฑ์๋ ๋ชจ๋ ์ธ ๊ณณ์ ๊ณต์ฌ๋์ ์ธ์ ๋๋ฐ ์๋ถ๊ณต์ฌ๋๋ง์ด ์ถ์ฑ ๋น์ ๋ชจ์ต ๊ทธ๋๋ก ๋จ์ ์๋ค.
[์ง๋ฌธ] ์ฉ์ธ์์ ๋ํด ์ค๋ช
ํด์ค
[๋ต๋ณ] X"""
context_prompt = qa_2_str(messages)
question_prompt = f"""๋ฌธ์
[๊ธ]
{rag_text}
[์ง๋ฌธ] {messages[-1]}
([๊ธ]๊ณผ ๊ด๋ จ ์๊ฑฐ๋ ์ ์ ์๋ ์ง๋ฌธ์ X ๋ผ๊ณ ๋ง ์ถ๋ ฅํ ๊ฒ, X๊ฐ ์๋๋ผ๋ฉด [๋ต๋ณ] ๊ณผ [๋งํฌ๋ฐ์]์ ๋ชจ๋ ์ถ๋ ฅํ ๊ฒ, 200์ ๋ด์ธ๋ก ๋ต๋ณํ ๊ฒ, ํนํ ๋งํฌ ๋ฐ์์ด ์ ์๋๋๋ฐ, ํ์คํ๊ฒ ์ฃผ์ด์ง ๋งํฌ๋ฅผ ๋งค์ฐ ๊ฐํ๊ฒ ์ ๋๋ก ๋ฐ์ํ๊ณ ๋ฐ๋ง ๋ํ์ฒด์ธ๊ฑฐ ๋ช
์ฌํด!)
[๋ต๋ณ]๊ณผ [๋งํฌ๋ฐ์]์ ๊ฐ๊ฐ ์์ฑํด๋ณด์.
"""
if len(context_prompt) == 0:
user_prompt = f"""{task_prompt}
{few_shot_prompt}
{question_prompt}
"""
else:
user_prompt = f"""{task_prompt}
{few_shot_prompt}
{context_prompt}
{question_prompt}
"""
print(user_prompt)
prompt = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_prompt},
]
return prompt
@spaces.GPU(duration=35)
def make_gen(qa, candidates, top_k, character_type):
start_time = time.time()
# Make For Rag Prompt
rag_prompt = qa_2_str(qa)
# Do RAG
query_embeddings = embedding_model.encode([rag_prompt],
batch_size=1,
max_length=8192,
)
key_embeddings = embedding_model.encode(candidates)["dense_vecs"]
similarity = query_embeddings @ key_embeddings.T
similarity = similarity.squeeze(0)
rag_result = ""
top_k_indices = np.argsort(similarity)[-top_k:]
for idx in top_k_indices:
rag_result += (candidates[idx] + "/n")
rag_result = rag_result.rstrip()
# Make For LLM Prompt
final_prompt = make_prompt(qa, rag_result, character_type)
# Use LLM
streamer = TextIteratorStreamer(llm_tokenizer, skip_special_tokens=True)
final_prompt = llm_tokenizer.apply_chat_template(final_prompt, tokenize=False, add_generation_prompt = True)
inputs = llm_tokenizer(final_prompt, return_tensors="pt").to(zero.device)
llm_model.to(zero.device)
generation_kwargs = dict(
inputs=inputs.input_ids,
streamer = streamer,
max_new_tokens=512
)
thread = Thread(target=llm_model.generate, kwargs=generation_kwargs)
thread.start()
is_start = False
for idx, new_text in enumerate(streamer):
if idx >= len(inputs):
# if is_start:
# yield new_text
# if not is_start and "[๋งํฌ๋ฐ์]" in new_text:
# print("โญ๏ธ")
# print(new_text)
# print("๐ฅ")
# is_start = True
yield new_text
is_start = False
elapsed_time = time.time() - start_time
print(f"time:{elapsed_time}")
@app.get("/")
async def root_endpoint(qa: List[str], candidates: List[str] = Query(...), top_k: int = Query(...), character_type: int = Query(...)):
return StreamingResponse(gen_stream(qa, candidates, top_k, character_type), media_type="text/event-stream")
async def gen_stream(qa, candidates, top_k, character_type):
for value in make_gen(qa, candidates, top_k, character_type):
yield value
if __name__ == "__main__":
uvicorn.run(app, host="0.0.0.0", port=7860) |