DataVortexM-7B-Instruct-v0.1

DataVortexM-7B-Instruct-v0.1

<img src="./DataVortex.png" alt="DataVortex" style="height: 8em;">

Our Team

Model Details

Base Model

mistralai/Mistral-7B-Instruct-v0.2

Trained On

• OS: Ubuntu 20.04
• GPU: H100 80GB 4ea
• transformers: v4.36.2

Dataset

• beomi/KoAlpaca-v1.1a

Instruction format

It follows Alpaca format.

E.g.

text = """\
당신은 사람들이 정보를 찾을 수 있도록 도와주는 인공지능 비서입니다.

### Instruction:
대한민국의 수도는 어디야?

### Response:
대한민국의 수도는 서울입니다.

### Instruction:
서울 인구는 총 몇 명이야?
"""

Model Benchmark

Ko LM Eval Harness

On Benchmarking ...

Ko-LLM-Leaderboard

Implementation Code

This model contains the chat_template instruction format.
You can use the code below.

from transformers import AutoModelForCausalLM, AutoTokenizer

device = "cuda" # the device to load the model onto

model = AutoModelForCausalLM.from_pretrained("Edentns/DataVortexM-7B-Instruct-v0.1")
tokenizer = AutoTokenizer.from_pretrained("Edentns/DataVortexM-7B-Instruct-v0.1")

messages = [
    {"role": "system", "content": "당신은 사람들이 정보를 찾을 수 있도록 도와주는 인공지능 비서입니다."},
    {"role": "user", "content": "대한민국의 수도는 어디야?"},
    {"role": "assistant", "content": "대한민국의 수도는 서울입니다."},
    {"role": "user", "content": "서울 인구는 총 몇 명이야?"}
]

encodeds = tokenizer.apply_chat_template(messages, return_tensors="pt")

model_inputs = encodeds.to(device)
model.to(device)

generated_ids = model.generate(model_inputs, max_new_tokens=1000, do_sample=True)
decoded = tokenizer.batch_decode(generated_ids)
print(decoded[0])

License

The model is licensed under the cc-by-nc-sa-4.0 license, which allows others to copy, modify, and share the work non-commercially, as long as they give appropriate credit and distribute any derivative works under the same license.

<div align="center"> <a href="https://edentns.com/"> <img src="./Logo.png" alt="Logo" style="height: 3em;"> </a> </div>