Update README.md
Browse files
README.md
CHANGED
@@ -11,9 +11,11 @@ base_model:
|
|
11 |
- Qwen/Qwen2.5-7B-Instruct
|
12 |
---
|
13 |
|
14 |
-
[
|
15 |
|
16 |
-
[
|
|
|
|
|
17 |
|
18 |
# Karasu-DPO-7B
|
19 |
|
@@ -23,12 +25,14 @@ This model outperforms the base [Qwen/Qwen2.5-7B-Instruct](https://huggingface.c
|
|
23 |
|
24 |
|Qwen2.5-7B-Instruct|Karasu-DPO-7B|
|
25 |
|----|----|
|
26 |
-
|50.0|
|
27 |
|
28 |
-
We recommend this model for use as a general
|
29 |
|
30 |
# How to use
|
31 |
|
|
|
|
|
32 |
<ul>
|
33 |
<li><b>vLLM</b>
|
34 |
|
@@ -46,16 +50,14 @@ llm = LLM(
|
|
46 |
)
|
47 |
|
48 |
sampling_params = SamplingParams(
|
49 |
-
temperature=0.
|
50 |
max_tokens=8_000,
|
51 |
-
repetition_penalty=1.1
|
52 |
)
|
53 |
|
54 |
prompts = [
|
55 |
-
"""
|
56 |
-
|
57 |
-
|
58 |
-
3つ目のクラスには何人の男子がいますか?"""
|
59 |
]
|
60 |
|
61 |
conversations = [
|
@@ -66,32 +68,136 @@ outputs = llm.chat(conversations, sampling_params=sampling_params)
|
|
66 |
|
67 |
for output in outputs:
|
68 |
print(output.outputs[0].text)
|
|
|
69 |
|
70 |
-
|
71 |
-
#
|
|
|
|
|
|
|
72 |
|
73 |
-
#
|
74 |
-
|
75 |
-
# したがって、3つ目のクラスの男子数は20 - 3 = 17人です。
|
76 |
-
# </think>
|
77 |
|
78 |
-
#
|
|
|
79 |
|
80 |
-
#
|
81 |
-
|
82 |
-
# **最終的な答え:**
|
83 |
-
# \[
|
84 |
-
# \boxed{17}
|
85 |
-
# \]
|
86 |
```
|
87 |
|
88 |
</details>
|
89 |
|
90 |
<br/>
|
91 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
92 |
<h1 style="font-size: 48px;" id="japanese">日本語</h3>
|
93 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
94 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
95 |
|
96 |
### Model Details
|
97 |
- Model size: 7B
|
@@ -117,4 +223,16 @@ for output in outputs:
|
|
117 |
|70|0.462300| 0.506989|
|
118 |
|80|0.419600| 0.509142|
|
119 |
|90|0.445200| 0.510396|
|
120 |
-
|100|0.424400| 0.511653|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
11 |
- Qwen/Qwen2.5-7B-Instruct
|
12 |
---
|
13 |
|
14 |
+
[日本語モデルカード/Japanese model card](#japanese)
|
15 |
|
16 |
+
[日本語のブログ/Full Japanese dev blog]()
|
17 |
+
|
18 |
+
[Development source code/開発ソースコード]()
|
19 |
|
20 |
# Karasu-DPO-7B
|
21 |
|
|
|
25 |
|
26 |
|Qwen2.5-7B-Instruct|Karasu-DPO-7B|
|
27 |
|----|----|
|
28 |
+
|50.0|66.2|
|
29 |
|
30 |
+
We recommend this model for use as a general conversation AI.
|
31 |
|
32 |
# How to use
|
33 |
|
34 |
+
This model can be used in the same way as any Qwen 2.5 model. We recommend using vLLM for simplicity and speed.
|
35 |
+
|
36 |
<ul>
|
37 |
<li><b>vLLM</b>
|
38 |
|
|
|
50 |
)
|
51 |
|
52 |
sampling_params = SamplingParams(
|
53 |
+
temperature=0.0,
|
54 |
max_tokens=8_000,
|
|
|
55 |
)
|
56 |
|
57 |
prompts = [
|
58 |
+
"""ナイジェリアの首都はどこですか?""",
|
59 |
+
"""鉄は何度に溶けますか?""",
|
60 |
+
"""父が好きそうなプレゼントのおすすめを教えて""",
|
|
|
61 |
]
|
62 |
|
63 |
conversations = [
|
|
|
68 |
|
69 |
for output in outputs:
|
70 |
print(output.outputs[0].text)
|
71 |
+
print("-"*32)
|
72 |
|
73 |
+
# ナイジェリアの首都はアブジャ(Abuja)です。以前はラゴスが首都でしたが、1991年に新しい首都としてアブジャが建設され、1991年12月12日に首都としての地位を正式に取得しました。アブジャは政治中心地として機能していますが、経済の中心地は依然としてラゴスが占めています。
|
74 |
+
# --------------------------------
|
75 |
+
# 鉄は非常に高い温度で溶けます。鉄の融点は約1,538℃(2,800°F)です。これは、一般的な家庭用のオーブン(最大約200-300℃)では絶対に達成できません。鉄を溶かすためには、より高温の設備が必要で、例えば、電気炉やガス炉などがあります。
|
76 |
+
# --------------------------------
|
77 |
+
# もちろんです。父さんへのプレゼント選びは楽しみですね。以下に、父が喜ぶ2つのプレゼントを提案します:
|
78 |
|
79 |
+
# 1. **高級コーヒーメーカー**:
|
80 |
+
# - 父さんがコーヒーを愛飲しているなら、高品質なコーヒーメーカーは大変喜ばれるプレゼントです。例えば、手動式のコーヒーメーカーなら、毎日のコーヒー作りがより楽しく、手作り感も楽しめます。また、自動式のコーヒーメーカーなら、忙しい朝でも美味しいコーヒーが楽しめます。
|
|
|
|
|
81 |
|
82 |
+
# 2. **趣味に合わせたギフトセット**:
|
83 |
+
# - 父さんの趣味や興味に合わせたギフトセットは、とても喜ばれます。例えば、ゴルフ好きなら、最新のゴルフクラブやゴルフバッグ、ゴルフボールセットなどが良いでしょう。また、車好きなら、高品質な車用アクセサリー(カーフィルム、カーボンシートなど)や車載用の充電器などが喜ばれます。
|
84 |
|
85 |
+
# これらのプレゼントは、父さんの趣味や興味に合わせて選べば、きっと喜んでもらえることでしょう。
|
86 |
+
# --------------------------------
|
|
|
|
|
|
|
|
|
87 |
```
|
88 |
|
89 |
</details>
|
90 |
|
91 |
<br/>
|
92 |
|
93 |
+
# How this model was made
|
94 |
+
|
95 |
+
We made this model through the following procedure:
|
96 |
+
|
97 |
+
1. Sample Japanese and English prompts from the following datasets:
|
98 |
+
* lmsys/lmsys-chat-1m
|
99 |
+
* RyokoAI/ShareGPT52K
|
100 |
+
* openchat/openchat_sharegpt_v3
|
101 |
+
* OpenAssistant/oasst2
|
102 |
+
* Open-Orca/slimorca-deduped-cleaned-corrected
|
103 |
+
* HuggingFaceH4/ultrachat_200k
|
104 |
+
2. Translate English prompts to Japanese using [gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/).
|
105 |
+
3. Correct translations with [gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/).
|
106 |
+
4. Get responses to all Japanese prompts (both original and translated) with [gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/).
|
107 |
+
5. Correct responses using [gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/).
|
108 |
+
|
109 |
+
We QLoRA DPO trained a [Qwen/Qwen2.5-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-7B-Instruct) model on this data to create Karasu-DPO-7B.
|
110 |
+
|
111 |
<h1 style="font-size: 48px;" id="japanese">日本語</h3>
|
112 |
|
113 |
+
こちらのモデルは[Qwen/Qwen2.5-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-7B-Instruct)の日本語版です。生成した日本語会話データとDPO学習で作成しました。
|
114 |
+
|
115 |
+
このモデルは、[arena-hard-auto-multilingual](https://github.com/lightblue-tech/arena-hard-auto-multilingual)チャットベンチマークにおいて、ベースモデルである[Qwen/Qwen2.5-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-7B-Instruct)を上回る性能を発揮します:
|
116 |
+
|
117 |
+
|Qwen2.5-7B-Instruct|Karasu-DPO-7B|
|
118 |
+
|----|----|
|
119 |
+
|50.0|66.2|
|
120 |
+
|
121 |
+
このモデルは、一般的な会話AIとしての使用を推奨します。
|
122 |
+
|
123 |
+
# 使用方法
|
124 |
+
|
125 |
+
このモデルは、他のQwen 2.5モデルと同様の方法で使用できます。シンプルで高速な操作のためにはvLLMの使用を推奨します。
|
126 |
+
|
127 |
+
<ul>
|
128 |
+
<li><b>vLLM</b>
|
129 |
+
|
130 |
+
[vLLM](https://github.com/vllm-project/vllm/)を`pip install vllm`でインストールしてください。
|
131 |
+
|
132 |
+
<details open>
|
133 |
+
<summary>vLLMコードを見る</summary>
|
134 |
+
|
135 |
+
```python
|
136 |
+
from vllm import LLM, SamplingParams
|
137 |
+
|
138 |
+
llm = LLM(
|
139 |
+
model="lightblue/DeepSeek-R1-Distill-Qwen-7B-Japanese",
|
140 |
+
max_model_len=8_000
|
141 |
+
)
|
142 |
+
|
143 |
+
sampling_params = SamplingParams(
|
144 |
+
temperature=0.0,
|
145 |
+
max_tokens=8_000,
|
146 |
+
)
|
147 |
+
|
148 |
+
prompts = [
|
149 |
+
"""ナイジェリアの首都はどこですか?""",
|
150 |
+
"""鉄は何度に溶けますか?""",
|
151 |
+
"""父が好きそうなプレゼントのおすすめを教えて""",
|
152 |
+
]
|
153 |
+
|
154 |
+
conversations = [
|
155 |
+
[{"role": "user", "content": x}] for x in prompts
|
156 |
+
]
|
157 |
+
|
158 |
+
outputs = llm.chat(conversations, sampling_params=sampling_params)
|
159 |
+
|
160 |
+
for output in outputs:
|
161 |
+
print(output.outputs[0].text)
|
162 |
+
print("-"*32)
|
163 |
+
|
164 |
+
# ナイジェリアの首都はアブジャ(Abuja)です。以前はラゴスが首都でしたが、1991年に新しい首都としてアブジャが建設され、1991年12月12日に首都としての地位を正式に取得しました。アブジャは政治中心地として機能していますが、経済の中心地は依然としてラゴスが占めています。
|
165 |
+
# --------------------------------
|
166 |
+
# 鉄は非常に高い温度で溶けます。鉄の融点は約1,538℃(2,800°F)です。これは、一般的な家庭用のオーブン(最大約200-300℃)では絶対に達成できません。鉄を溶かすためには、より高温の設備が必要で、例えば、電気炉やガス炉などがあります。
|
167 |
+
# --------------------------------
|
168 |
+
# もちろんです。父さんへのプレゼント選びは楽しみですね。以下に、父が喜ぶ2つのプレゼントを提案します:
|
169 |
+
|
170 |
+
# 1. **高級コーヒーメーカー**:
|
171 |
+
# - 父さんがコーヒーを愛飲しているなら、高品質なコーヒーメーカーは大変喜ばれるプレゼントです。例えば、手動式のコーヒーメーカーなら、毎日のコーヒー作りがより楽しく、手作り感も楽しめます。また、自動式のコーヒーメーカーなら、忙しい朝でも美味しいコーヒーが楽しめます。
|
172 |
|
173 |
+
# 2. **趣味に合わせたギフトセット**:
|
174 |
+
# - 父さんの趣味や興味に合わせたギフトセットは、とても喜ばれます。例えば、ゴルフ好きなら、最新のゴルフクラブやゴルフバッグ、ゴルフボールセットなどが良いでしょう。また、車好きなら、高品質な車用アクセサリー(カーフィルム、カーボンシートなど)や車載用の充電器などが喜ばれます。
|
175 |
+
|
176 |
+
# これらのプレゼントは、父さんの趣味や興味に合わせて選べば、きっと喜んでもらえることでしょう。
|
177 |
+
# --------------------------------
|
178 |
+
```
|
179 |
+
|
180 |
+
</details>
|
181 |
+
|
182 |
+
<br/>
|
183 |
+
|
184 |
+
# このモデルの作成方法
|
185 |
+
|
186 |
+
このモデルは以下の手順を通して作成されました:
|
187 |
+
|
188 |
+
1. 以下のデータセットから日本語および英語のプロンプトをサンプリング:
|
189 |
+
* lmsys/lmsys-chat-1m
|
190 |
+
* RyokoAI/ShareGPT52K
|
191 |
+
* openchat/openchat_sharegpt_v3
|
192 |
+
* OpenAssistant/oasst2
|
193 |
+
* Open-Orca/slimorca-deduped-cleaned-corrected
|
194 |
+
* HuggingFaceH4/ultrachat_200k
|
195 |
+
2. 英語のプロンプトを[gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/)を使って日本語に翻訳。
|
196 |
+
3. [gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/)を使って翻訳を修正。
|
197 |
+
4. 日本語のプロンプト(オリジナルと翻訳の両方)に対する応答を[gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/)で取得。
|
198 |
+
5. [gpt-4o-mini](https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/)を使用して応答を修正。
|
199 |
+
|
200 |
+
[Qwen/Qwen2.5-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-7B-Instruct)モデルを基に、QLoRA DPOトレーニングを行い、Karasu-DPO-7Bを作成しました。
|
201 |
|
202 |
### Model Details
|
203 |
- Model size: 7B
|
|
|
223 |
|70|0.462300| 0.506989|
|
224 |
|80|0.419600| 0.509142|
|
225 |
|90|0.445200| 0.510396|
|
226 |
+
|100|0.424400| 0.511653|
|
227 |
+
|
228 |
+
# License
|
229 |
+
|
230 |
+
We share this model under an Apache 2.0 license.
|
231 |
+
|
232 |
+
# Developed by
|
233 |
+
|
234 |
+
<a href="https://www.lightblue-tech.com">
|
235 |
+
<img src="https://www.lightblue-tech.com/wp-content/uploads/2023/08/color_%E6%A8%AA%E5%9E%8B-1536x469.png" alt="Lightblue technology logo" width="400"/>
|
236 |
+
</a>
|
237 |
+
|
238 |
+
This model was trained by Jun Sashihara ([junsashihara](https://huggingface.co/junsashihara)) and supervised by Peter Devine ([ptrdvn](https://huggingface.co/ptrdvn)) for Lightblue。
|