README.md

metadata

library_name: peft

モデル概要

meta-llama/Llama-2-7b-hfを日本語データ（taka-yayoi/databricks-dolly-15k-ja）を用いてインストラクションチューニングしました．

使用方法

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

# モデルの読み込み
model = AutoModelForCausalLM.from_pretrained(
    "meta-llama/Llama-2-7b-hf",
    quantization_config=BitsAndBytesConfig(
        load_in_4bit=True,
        bnb_4bit_use_double_quant=True,
        bnb_4bit_quant_type="nf4",
        bnb_4bit_compute_dtype=torch.bfloat16
    ),
    device_map={"":0}
)

# トークナイザーの読み込み
tokenizer = AutoTokenizer.from_pretrained(
    "asaoka/Llama-2-7b-hf-qlora-dolly15k-japanese"
)

# LoRAの読み込み
model = PeftModel.from_pretrained(
    model,
    "asaoka/Llama-2-7b-hf-qlora-dolly15k-japanese",
    device_map={"":0}
)
model.eval()

# プロンプトの準備
prompt = "### Instruction: 富士山とは？\n\n### Response: "

# 推論の実行
inputs = tokenizer(prompt, return_tensors="pt").to("cuda:0")
with torch.no_grad():
    outputs = model.generate(**inputs, max_new_tokens=100)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

使用方法は，「Google Colab で Llama-2-7B のQLoRA ファインチューニングを試す」を参照しました．

トークナイザーの日本語拡張

トークナイザーは， ：meta-llama/Llama-2-7b-hfのトークナイザーをそのまま使用

トレーニング方法

• ファインチューニング：インストラクションチューニング + QLoRA(4bitLoRA)

トレーニング方法は，「MetaのLlama 2をDatabricksでQLoRAを使ってファインチューニングしてみる」を参照しました．

JGLUEスコア

タスク	Llama-2-7b-hf	This Model
jcommonsenseqa-1.1-0.6(acc)	0.7274	0.7060

JGLUEスコアは，Stability AI社のlm-evaluation-harnessを用いて 算出しました．JGLUEスコアの算出に用いたスクリプトを下記に示します．

• Llama-2-7b-hf

!python main.py \
    --model hf-causal-experimental \
    --model_args pretrained=meta-llama/Llama-2-7b-hf \
    --tasks jcommonsenseqa-1.1-0.6 \
    --num_fewshot 3 \
    --device cuda \
    --output_path ./results.json

• This Model

!python main.py \
    --model hf-causal-experimental \
    --model_args pretrained=meta-llama/Llama-2-7b-hf,peft=asaoka/Llama-2-7b-hf-qlora-dolly15k-japanese \
    --tasks jcommonsenseqa-1.1-0.6 \
    --num_fewshot 3 \
    --device cuda \
    --output_path ./results.json