llm-jp-3-13b-it-dpo

About

このモデルは松尾岩澤研主催、大規模言語モデル2024の最終課題において作成した、dakesan0の最終提出物です。 LLM-jp-3-13bに対して以下のデータセットを用いてSFTを行ったモデルです。

• kinokokoro/ichikara-instruction-003
• kanhatakeyama/wizardlm8x22b-logical-math-coding-sft
• kanhatakeyama/ramdom-to-fixed-multiturn-Calm3

また、DPOも実施しています。タスクはQwen2-72bを用いて作成しました。よってこのモデルはQwen2による改良を受けています。

How to run inference

サンプルコード(ipynb)がレポジトリに含まれています。 dakesan0-inference-testcode.ipynb

unslothを用いた推論のみ動作を確認しています。

from unsloth import FastLanguageModel
from peft import PeftModel
import torch
import json
from tqdm import tqdm
import re
import datasets

model_id = "llm-jp/llm-jp-3-13b"
adapter_id = "poprap/llm-jp-3-13b-it-2-3"
adapter_dpo_id = "poprap/llm-jp-3-13b-dpo"

dtype = None 
load_in_4bit = True 

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name=model_id,
    dtype=dtype,
    load_in_4bit=load_in_4bit,
    trust_remote_code=True,
)

model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)
model = PeftModel.from_pretrained(model, adapter_dpo_id, token = HF_TOKEN)

ds = []

with open("elyza-tasks-100-TV_0.jsonl", "r") as f:
    item = ""
    for line in f:
        line = line.strip()
        item += line
        if item.endswith("}"):
            ds.append(json.loads(item))
            item = ""

# 推論するためにモデルのモードを変更
FastLanguageModel.for_inference(model)

results = []
for dt in tqdm(ds):
    input = dt["input"]

    prompt = f"""### 指示\n{input}\n上記指示に簡潔に回答してください。\n### 回答\n"""

    inputs = tokenizer([prompt], return_tensors = "pt").to(model.device)

    outputs = model.generate(
        **inputs,
        max_new_tokens=1024,
        use_cache = True, 
        do_sample=False, 
        repetition_penalty=1.2
      )
    prediction = tokenizer.decode(outputs[0], skip_special_tokens=True).split('\n### 回答')[-1]
    
    results.append({"task_id": dt['task_id'], "input": input, "output": prediction})

json_file_id = re.sub(".*/", "", adapter_id)
with open(f"{json_file_id}_output.jsonl", 'w', encoding='utf-8') as f:
    for result in results:
        json.dump(result, f, ensure_ascii=False)
        f.write('\n')

Special thanks

本コンペを運営いただいた方々に深く御礼申し上げます。 サンプルコードや丁寧な解説によりSFT～推論のノウハウを獲得することができました。極めて貴重なナレッジをご提供いただきました。

License

研究用途に限りApache-2.0（使用したデータセットが非商用利用に限るため）