Create README.md

README.md

@@ -0,0 +1,39 @@
+---
+language:
+- ja
+- zh
+- en
+pipeline_tag: text-generation
+---
+[ChatGLM3-6B](https://github.com/THUDM/ChatGLM3)是一个中英双语大模型，本项目为ChatGLM3-6B加入日文能力。  
+通过sentencepiece在日文wiki和青空文库上训练BPE的tokenizer，词表扩充14000（64789 -> 78554），相比原生ChatGLM3的日文编码效率提升接近一倍，中文英文编码效率不变。
+
+共有两个模型：
+- [ChatGLM3-Japanese-Zero]( https://huggingface.co/dummy-foo/ChatGLM3-Japanese-Zero )：本模型，经过扩词表和resize后的模型，保留了ChatGLM3的中英文能力，尚无日文能力，但因为编码效率高，适合在日文语料上训练。
+- [ChatGLM3-Japanese](https://huggingface.co/dummy-foo/ChatGLM3-Japanese)：还在训练中，一周内更新，对ChatGLM3-Japanese-Zero进行日文语料增量预训练和指令微调的模型，可以日文对话。
+
+[GitHub](https://github.com/akiragy/ChatGLM3-Japanese)上有全流程的代码，包含训练tokenizer和训练模型。
+
+使用样例:
+```python 
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+tokenizer = AutoTokenizer.from_pretrained("dummy-foo/ChatGLM3-Japanese-Zero", trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained("dummy-foo/ChatGLM3-Japanese-Zero", trust_remote_code=True, device_map='cuda:0', torch_dtype=torch.float16)
+
+# test Chinese chat
+response, _ = model.chat(tokenizer, "你是谁", history=[])
+print("\nQ：你是谁，A：", response)
+response, _ = model.chat(tokenizer, "你喜欢甜粽子还是咸粽子", history=[])
+print("\nQ：你喜欢甜粽子还是咸粽子，A：", response)
+
+# test Japanese chat
+response, _ = model.chat(tokenizer, "あなたは誰ですか", history=[])
+print("\nQ：あなたは誰ですか，A：", response)
+response, _ = model.chat(tokenizer, "すみません、ちょっとお聞きしたいことがあるんですが", history=[])
+print("\nQ：すみません、ちょっとお聞きしたいことがあるんですが，A：", response)
+
+# test Japanese tokenizer
+print("\ntokens: ", tokenizer.tokenize("恥の多い生涯を送って来ました。自分には、人間の生活というものが、見当つかないのです。"))
+```