Edit model card

Model

Dataset

Load Model

Use the following Python code to load the model:

from transformers import AutoTokenizer, AutoModelForCausalLM

path = 'youjunhyeok/llama3-8b-ko-sft-v1'

model = AutoModelForCausalLM.from_pretrained(path)
tokenizer = AutoTokenizer.from_pretrained(path)
model.to('cuda')

Chat

def chat(message):
    messages = [
        {"role": "system", "content": "당신은 인공지능 어시스턴트입니다. 친절하고 정확한 답변을 해주세요."},
        {"role": "user", "content": message},
    ]

    input_ids = tokenizer.apply_chat_template(
        messages,
        add_generation_prompt=True,
        return_tensors="pt"
    ).to(model.device)

    terminators = [
        tokenizer.eos_token_id,
        tokenizer.convert_tokens_to_ids("<|eot_id|>")
    ]

    outputs = model.generate(
        input_ids,
        max_new_tokens=512,
        eos_token_id=terminators,
        do_sample=True,
        temperature=0.9,
        top_p=0.95,
    )
    response = outputs[0][input_ids.shape[-1]:]
    print(tokenizer.decode(response, skip_special_tokens=True))

chat('ETL 파이프라인을 어떻게 구현해야할까?')

Output

ETL(데이터 추출, 변환 및 로드) 파이프라인을 구현하려면 먼저 데이터 소스, 목표, 중간 결과물과 같은 ETL 파이프라인의 각 단계에 대한 명확한 이해와 구현 계획이 필요합니다. 다음은 일반적인 ETL 파이프라인 구현 프로세스입니다:

1. 데이터 소스 이해: ETL 파이프라인의 첫 번째 단계는 데이터 소스를 결정하는 것입니다. ETL 파이프라인에 사용할 데이터 소스 유형을 식별하고 데이터 소스에서 추출할 데이터에 대한 구체적인 계획을 세웁니다.

2. ETL 도구 선택: ETL을 구현하는 데 사용할 도구를 결정합니다. ETL 프로세스의 특정 요구 사항에 따라 다양한 도구를 사용할 수 있습니다. 인기 있는 도구로는 Oracle의 Informatica, Microsoft의 Power BI, 데이터웨어하우스 툴인 Talend 등이 있습니다.

3. 추출 계획 수립: 데이터 소스에서 데이터를 추출할 계획을 세웁니다. 이 단계에서는 데이터 소스에서 필요로 하는 데이터 유형, 구조 및 형식을 파악합니다. 추출 프로세스에 대한 로드맵을 만들고, 데이터 변환 및 로드에 대한 필요성을 식별하는 것이 중요합니다.

4. 변환 계획 수립: 데이터를 변환하기 위해 실행할 프로세스를 결정합니다. 데이터 포맷을 변환하고, 데이터 유형을 변환하며, 필요한 경우 데이터 값을 정규화하거나 결합합니다.

5. 데이터 로드 계획 수립: 변환된 데이터를 데이터베이스나 기타 목적지에 로드할 계획을 세웁니다. 이 단계에서는 데이터베이스 디자인, 저장 프로시저 또는 파이프라인 구성을 결정합니다.

6. ETL 파이프라인 구현: ETL 도구를 사용하여 ETL 파이프라인을 구현합니다. 소스, 변환, 로드 단계를 순서대로 처리하여 필요한 데이터 변환을 수행합니다.

7. 데이터 품질 관리: ETL 파이프라인이 올바르게 작동하고 데이터 품질이 유지되도록 테스트하고 모니터링합니다. 데이터 오류 및 누락 항목을 검출하고 데이터 품질을 유지하기 위한 프로세스를 구현합니다.

BenchMark (KOR)

# alias
A = youjunhyeok/llama3-koen-8b-sft-v1
B = DavidAhn/Llama-3-8B-slerp-262k
C = meta-llama/Meta-Llama-3-8B
D = chihoonlee10/T3Q-ko-solar-dpo-v7.0 (24.05.24 ko 리더보드 1등)
Benchmark (macro_f1) A B C D
kobest_boolq (0-shot) 78.1 33.5 38.2 34.1
kobest_boolq (5-shot) 85.0 68.8 83.8 93.1
kobest_copa (0-shot) 80.4 58.5 63.1 81.0
kobest_copa (5-shot) 84.0 61.7 69.1 91.0
kobest_hellaswag (0-shot) 51.7 43.2 42.1 55.1
kobest_hellaswag (5-shot) 51.7 45.3 44.2 55.2
kobest_sentineg (0-shot) 81.5 34.8 51.5 82.7
kobest_sentineg (5-shot) 97.7 85.8 94.7 91.4

BenchMark (ENG)

# alias
A = youjunhyeok/llama3-koen-8b-sft-v1
B = DavidAhn/Llama-3-8B-slerp-262k
C = meta-llama/Meta-Llama-3-8B
A B C
openbookqa 0.310 0.312 0.338
hellaswag 0.544 0.587 0.576
boolq 0.807 0.832 0.831
arc_easy 0.753 0.808 0.815
arc_challenge 0.421 0.518 0.529

Llama_factory Train Config

{data_dir}, {dataset_name}, {output_dir} is variable

cutoff_len: 1024
dataset: {dataset_name}
dataset_dir: {data_dir}
ddp_timeout: 180000000
do_train: true
eval_steps: 500
eval_strategy: steps
finetuning_type: lora
flash_attn: auto
fp16: true
gradient_accumulation_steps: 8
include_num_input_tokens_seen: true
learning_rate: 5.0e-05
logging_steps: 5
lora_alpha: 16
lora_dropout: 0.05
lora_rank: 16
lora_target: all
lr_scheduler_type: cosine
max_grad_norm: 1.0
max_samples: 300000
model_name_or_path: beomi/Llama-3-KoEn-8B-Instruct-preview
num_train_epochs: 1.0
optim: adamw_torch
output_dir: {output_dir}
packing: false
per_device_eval_batch_size: 16
per_device_train_batch_size: 16
plot_loss: true
preprocessing_num_workers: 16
report_to: all
save_steps: 1000
stage: sft
template: llama3
val_size: 0.01
warmup_steps: 1000
Downloads last month
77
Safetensors
Model size
8.03B params
Tensor type
BF16
·
Inference API
Input a message to start chatting with youjunhyeok/llama3-koen-8b-sft-v1.
Model is too large to load in Inference API (serverless). To try the model, launch it on Inference Endpoints (dedicated) instead.