DataPilot/Arrival-32B-Instruct-v0.1

概要

このモデルはDeepSeek社のR1蒸留モデルであるdeepseek-ai/DeepSeek-R1-Distill-Qwen-32Bを日本語ファインチューニングしたcyber agent社のcyberagent/DeepSeek-R1-Distill-Qwen-32B-Japaneseに対してAbeja社のabeja/ABEJA-Qwen2.5-32b-Japanese-v0.1をChatVectorを用いて加えたものに、独自の日本語強化ファインチューニングをしたモデルとなります。

このモデルは 長考モデルではありません。

How to use

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "DataPilot/Arrival-32B-Instruct-v0.1"
tokenizer_name = ""

if tokenizer_name == "":
    tokenizer_name = model_name

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(tokenizer_name)

prompt = "9.9と9.11はどちらのほうが大きいですか？"
messages = [
    {"role": "system", "content": "あなたは優秀な日本語アシスタントです。問題解決をするために考えた上で回答を行ってください。"},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=1024
)
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)

ベンチマーク

このモデルはELYZA-task100で4.7をマークしました。(評価にはGroqのllama3-70B-8192を使用しました。)

謝辞

モデルの作成者であるDeepSeekチーム, Qwenチーム, Abejaチーム, CyberAgentチーム、評価モデルの作成者であるmeta社とAPIを公開しているGroq社、計算資源を貸していただいたVOLTMIND社に感謝を申し上げます。