Update README_zh.md

README_zh.md

@@ -2,47 +2,43 @@
 license: other
 ---
 
-
 ![Aquila_logo](./log.jpeg)
 
-
 <h4 align="center">
     <p>
-        <a href="https://huggingface.co/BAAI/Aquila2-34B/blob/main/README.md">English</a> 
+        <a href="https://huggingface.co/BAAI/Aquila2-7B/blob/main/README.md">English</a> |
         <b>简体中文</b> |
-    </p>
+    <p>
 </h4>
 
 
-<p align="center">
-  <a href="https://github.com/FlagAI-Open/Aquila2" target="_blank">Github</a> • <a href="https://github.com/FlagAI-Open/Aquila2/blob/main/assets/wechat-qrcode.jpg" target="_blank">WeChat</a> <br>
-</p>
-
 # 悟道·天鹰（Aquila2）
 
 我们开源了我们的 **Aquila2** 系列，现在包括基础语言模型 **Aquila2-7B** 和 **Aquila2-34B** ，对话模型 **AquilaChat2-7B** 和 **AquilaChat2-34B**，长文本对话模型**AquilaChat2-7B-16k** 和 **AquilaChat2-34B-16k**
 
-基于Aquila2初始版本的开发经验，我们对Aquila2进行了全面升级并发布1.2版本。评测结果显示，
-Aquila2基础模型综合客观评测提升 6.9%，Aquila2-34B v1.2  在 MMLU、TruthfulQA、CSL、TNEWS、OCNLI、BUSTM 等考试、
-理解及推理评测数据集上的评测结果分别增加 12%、14%、11%、12%、28%、18%。
-
 悟道 · 天鹰 Aquila 模型的更多细节将在官方技术报告中呈现。请关注官方渠道更新。
 
-注：发现在预训练任务数据集中存在GSM8K测试数据泄露问题，从评测结果中删除GSM8K的评估结果。
+## 更新/Updates 2024.6.6
+
+我们更新了基础语言模型 **Aquila2-34B**，该模型是基于原版模型经过继续训练得到的，和之前的模型相比，新的模型具备以下优势：
+
+* 更换了具备更大压缩率的tokenizer，不同tokenizer的压缩率对比如下面表格：
+
+| Tokenizer | Size  | Zh                       | En     | Code  | Math   | Average |
+|-----------|-------|--------------------------|--------|-------|-------|---------|
+| Aquila2-original   | 100k  | **4.70**                 | 4.42   | 3.20  | 3.77  | 4.02    |
+| Qwen1.5   | 151k  | 4.27                     | 4.51   | 3.62  | 3.35  | 3.94    |
+| Llama3    | 128k  | 3.45                     | **4.61**   | 3.77  | **3.88** | 3.93    |
+| Aquila2-new     | 143k  | 4.60                     | **4.61** | **3.78** | **3.88**  | **4.22** |
+
+* 模型支持的最大处理长度从2048增加至8192
 
-经彻查分析，数据泄露发生于某多次合作数据团队所推荐的数学数据集A（超过2百万样本），其包含未经过处理的GSM8K测试集（1319样本）。团队只进行了常规去重和质量检测，未就是否混入GSM8K测试数据进行额外过滤检查而导致失误，实为工作中的疏漏。
 
-团队一直严格遵循训练数据不能包含测试数据的工作原则。汲取本次因未对外部数据来源进行查证而发生的失误教训，我们在2万亿token全量数据上完成了针对21个测试数据集的排查，所涉数据集包括WTM22（en-zh）、CLUEWSC、winograde、HellaSwag、OpenBookQA、PIQA、ARC-e、BUSTSM、BoolQ、TruthfulQA、RAFT、ChID、EPRSTMT、TNEWS、OCNLI、SEM-Chinese、MMLU、C-Eval、CMMLU、CSL和HumanEval。
 
-## 对话模型性能
 
-<br>
-<p align="center">
-    <img src="base_metrics_CN.jpeg" width="1024"/>
-<p>
-<br>
 
-## 快速开始使用 Aquila2-34B
+
+## 快速开始使用 Aquila-7B
 
 
 ## 使用方式/How to use
@@ -50,25 +46,44 @@ Aquila2基础模型综合客观评测提升 6.9%，Aquila2-34B v1.2  在 MMLU、
 ### 1. 推理/Inference
 
 ```python
-from transformers import AutoTokenizer, AutoModelForCausalLM
 import torch
-device = torch.device("cuda")
-model_info = "BAAI/Aquila2-34B"
-tokenizer = AutoTokenizer.from_pretrained(model_info, trust_remote_code=True)
-model = AutoModelForCausalLM.from_pretrained(model_info, trust_remote_code=True)
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from transformers import BitsAndBytesConfig
+
+device= "cuda:0"
+
+# 模型名称/Model Name
+model_name = 'BAAI/Aquila2-34B'
+
+# 加载模型以及tokenizer
+quantization_config=BitsAndBytesConfig(
+                        load_in_4bit=True,
+                        bnb_4bit_use_double_quant=True,
+                        bnb_4bit_quant_type="nf4",
+                        bnb_4bit_compute_dtype=torch.bfloat16,
+                    )
+model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.bfloat16, trust_remote_code=True,
+                        # quantization_config=quantization_config # Uncomment this one for 4-bit quantization
+                        )
+
+tokenizer = AutoTokenizer.from_pretrained(path, trust_remote_code=True)
+
 model.eval()
+
 model.to(device)
-text = "请给出10个要到北京旅游的理由。"
+
+# 对话测试样例/Example
+text = "生命的意义是"
 tokens = tokenizer.encode_plus(text)['input_ids']
 tokens = torch.tensor(tokens)[None,].to(device)
-stop_tokens = ["###", "[UNK]", "</s>"]
+
 with torch.no_grad():
-    out = model.generate(tokens, do_sample=True, max_length=512, eos_token_id=100007, bad_words_ids=[[tokenizer.encode(token)[0] for token in stop_tokens]])[0]
-    out = tokenizer.decode(out.cpu().numpy().tolist())
-    print(out)
+        out = llama.generate(tokens, do_sample=False, max_length=128, eos_token_id=tokenizer.eos_token_id)[0]
+        out = tokenizer.decode(out.cpu().numpy().tolist())
+        print(out)
 ```
 
 
 ## 证书/License
 
-Aquila2系列开源模型使用 [智源Aquila系列模型许可协议](https://huggingface.co/BAAI/Aquila2-34B/blob/main/BAAI-Aquila-Model-License%20-Agreement.pdf)
+`Aquila2系列开源模型使用 [智源Aquila系列模型许可协议](https://huggingface.co/BAAI/Aquila2-7B/blob/main/BAAI-Aquila-Model-License%20-Agreement.pdf)