Описание Saiga2-13B-4bit

Это GPTQ модель для saiga2-13B-lora model.

Технические детали

Модель квантизована в 4-битную с помощью AutoGPTQ library

Пример использования

1. Удостоверьтесь, что AutoGPTQ установлена: GITHUB_ACTIONS=true pip install auto-gptq

2. Пример кода для использования модели в генерации ответа:

from transformers import AutoTokenizer
from auto_gptq import AutoGPTQForCausalLM


def generate_answer(model, tokenizer, request: str, system_prompt: str):
    s = f"system\n{system_prompt}</s>\n" + \
        f"<s>user\n{request}</s>\n" + \
        f"<s>bot\n"
    request_tokens = tokenizer(s, return_tensors="pt")    
    del request_tokens['token_type_ids']
    del request_tokens['attention_mask']
    request_tokens = request_tokens.to(model.device)
    answer_tokens = model.generate(**request_tokens,
                    num_beams=4,
                    top_k=32,
                    temperature=0.6,
                    repetition_penalty=1.2,
                    no_repeat_ngram_size=15,
                    max_new_tokens=1536,
                    pad_token_id=tokenizer.eos_token_id)[0]
    answer_tokens = answer_tokens[len(request_tokens[0]):-1]
    answer = tokenizer.decode(answer_tokens).strip()
    return answer


model_name = "saiga2-13b-4bit"
system_prompt = "Ты — Сайга, русскоязычный автоматический ассистент. Ты разговариваешь с людьми и помогаешь им."
tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=True)
model = AutoGPTQForCausalLM.from_quantized(model_name, device="cuda:0")
model.eval()

user_text = "Сочини стих, который начинается словами: Буря мглою небо кроет"
answer_text = generate_answer(model, tokenizer, user_text, system_prompt)  
print(answer_text)

Исходная модель: saiga2-13B-lora

Модель ассистента на основе LLaMA2 дообученная на русскоязычных наборах. Модель имеет 13 млрд. параметров.