Tokara-0.5B-Chat-v0.1

モデルについて

Qwen/Qwen1.5-0.5Bを日英データ5Bトークンで継続事前学習したTokara-0.5B-v0.1にchat vectorで対話能力を加えたモデルになります。

0.5Bというモデルサイズにしてはコミュニケーションが行えるモデルになっています。

chat vectorに使ったモデルはマルチターンの学習を行ったモデルになっているので、複数ターンの会話も行えるはずです。

モデルサイズの問題なのか、repetition_penaltyを1.15～1.25くらいにしないと早めに繰り返しが始まります。

詳細はこちらをご覧ください。

レシピ

• Tokara-0.5B-v0.1
• 0.24*(Qwen/Qwen1.5-0.5B-Chat - Qwen/Qwen1.5-0.5B)
• 0.56*(Kendamarron/Tokara-0.5B-Chat-dolly-jimba - Kendamarron/Tokara-0.5B-v0.1)

ベンチマーク

Japanese MT-benchの6カテゴリをシングルターンで評価

名前について

日本の在来馬であるトカラ馬から

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

device = "cuda"

model = AutoModelForCausalLM.from_pretrained(
    'Kendamarron/Tokara-0.5B-Chat-v0.1',
    torch_dtype=torch.bfloat16,
    device_map=device,
)
tokenizer = AutoTokenizer.from_pretrained('Kendamarron/Tokara-0.5B-Chat-v0.1')

messages = [
  {"role": "system", "content": "あなたは誠実で優秀な日本人のアシスタントです。"},
  {"role": "user", "content": "野菜は体にいいですか？"}
]
text = tokenizer.apply_chat_template(
  messages,
  tokenize=False,
  add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)
generated_ids = model.generate(
  model_inputs.input_ids,
  max_new_tokens=256,
  do_sample=True,
  top_p=0.95,
  top_k=40,
  temperature=0.7,
  repetition_penalty=1.1,
  pad_token_id=tokenizer.eos_token_id,
  eos_token_id=tokenizer.eos_token_id,
  no_repeat_ngram_size=2
  )
generated_ids = [
  output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(response)

# はい、野食が健康や美容に良いと言われています。身体を健康的なものにするには、バランス良く摂取することが重要です。
# 野球少年であれば、1日500g程度の野味（たんぱく質）を一日3回以上摌る方法があります。また、ビタミンB群やCも含んでおり、お子様向けには食物繊維（食物中含まれる植物性糖）や亜鉛、カリウムなどの栄養素も豊富です。
# 
# 一方、過剰な野草農業や化学肥料の使用によって生じる不自然な添加物・残留農薬（有害な生物的散布物）などは、人体にとって害になる可能性がありますので、科学的に根拠のある安全な方法で野生活をしてください。野遊びや野炊き以外にも、季節ごとに特徴ある食材が利用可能ですが、その内容や量は慎重に行われるようにしましょう。ぜひ、手軽に自宅でも楽しめる方法と知識をお伝えできるよう、心から応援いたします！