!deepspeed kto.py \
   --save_path '/root/chai/kto' \
   --save_steps 50 \
   --logging_steps 10 \
   --eval_steps -1 \
   --train_batch_size 256 \
   --micro_train_batch_size 1 \
   --pretrain '/root/chai/mistralai/Mistral-Nemo-Instruct-2407' \
   --bf16 \
   --max_epochs 1 \
   --max_len 1348 \
   --zero_stage 2 \
   --learning_rate 5e-7 \
   --dataset '/root/chai/1_kto' \
   --input_key instruction \
   --output_key response \
   --label_key score \
   --flash_attn \
   --beta 0.1 \
   --max_samples 100000 \
   --gradient_checkpointing \
    --lora_rank 16 \
    --lora_alpha 32 \
    --lora_dropout 0.05
#    --use_ms False

# Dylan2048/ultrafeedback-unpaired-preferences