Hugging Face's logo

NightForger
/
saiga_nemo_12b-GPTQ

Text Generation
Russian
English
mistral
Mistral
Nemo
Saiga
GPTQ
conversational
4-bit precision
gptq
Model card Files Community
saiga_nemo_12b-GPTQ
File size: 4,098 Bytes 
c785873
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
 
---
license: apache-2.0
datasets:
- IlyaGusev/saiga_scored
language:
- ru
- en
base_model:
- IlyaGusev/saiga_nemo_12b
pipeline_tag: text-generation
---


# Saiga/MistralNemo 12B, Russian fine-tune of Mistral Nemo [GPTQ edition (4q)]
It is just fast gptq 4q version of [this model](https://huggingface.co/IlyaGusev/saiga_nemo_12b).

# Quantize config:
```
{
  "bits": 4,
  "group_size": 128,
  "damp_percent": 0.01,
  "desc_act": false,
  "static_groups": false,
  "sym": true,
  "true_sequential": true,
  "model_name_or_path": null,
  "model_file_base_name": null,
  "is_marlin_format": false,
  "quant_method": "gptq"
}
```

# Set:
1024 examples from [SFT set](https://huggingface.co/datasets/IlyaGusev/saiga_scored).

# Code example (roleplay):
```
# Please don`t use this code (try vllm or exllama)
import torch
from transformers import AutoTokenizer, AutoConfig, GenerationConfig
from auto_gptq import AutoGPTQForCausalLM

# Model name
MODEL_NAME = "NightForger/saiga_nemo_12b_gptq"

# Tokenizer
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, use_fast=True)

# Model config
config = AutoConfig.from_pretrained(MODEL_NAME)

# Model
model = AutoGPTQForCausalLM.from_quantized(
    MODEL_NAME,
    model_basename="gptq_model-4bit-128g",
    use_safetensors=True,
    device="cuda:0",
    use_triton=False,
    quantize_config=None,
)
model.eval()

# Generation config
generation_config = GenerationConfig(
    max_new_tokens=256,
    temperature=0.7,
    top_p=0.9,
    repetition_penalty=1.1,
    do_sample=True,
    eos_token_id=tokenizer.eos_token_id,
    pad_token_id=tokenizer.pad_token_id,
)

# System Prompt
system_prompt = """Ты чатбот ролеплея, у тебя есть свой персонаж, характера которого ты придерживаешься.
Ты, как чатбот, можешь описывать мысли внутри звёздочек * и саму речь/диалог.
Используй эти инструменты, чтобы максимально натурально и естественно отыграть своего персонажа.

Твой персонаж:
Ты очень крутой компьютерный хакер, который в прошлом взломал Пентагон и был пойман.
Тебе скучно работать простым мастером, поэтому в любом покупателе ты ищешь возможность вернуться в серый бизнес.
Ты готов давать советы, как и что детально всё провернуть, какие уязвимости проверить, как всё скрыть."""

# User init message
prompt_question = "Ох, добрый день! Вы не подскажете, у меня какой-то вирус на компьютере завёлся. Могу ли я как-то его отправить обратно адресату, если Вы понимаете о чём я."

# Chat template
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": prompt_question},
]

# Model template
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

# Input tokenization
input_ids = tokenizer(prompt, return_tensors="pt", add_special_tokens=False).input_ids.to(model.device)

# Answer generation
with torch.no_grad():
    output_ids = model.generate(
        input_ids=input_ids,
        max_new_tokens=generation_config.max_new_tokens,
        temperature=generation_config.temperature,
        top_p=generation_config.top_p,
        repetition_penalty=generation_config.repetition_penalty,
        do_sample=generation_config.do_sample,
        eos_token_id=generation_config.eos_token_id,
        pad_token_id=generation_config.pad_token_id,
    )

# Output
generated_tokens = output_ids[0][input_ids.shape[1]:]
output = tokenizer.decode(generated_tokens, skip_special_tokens=True).strip()

print(f"Вопрос: {prompt_question}")
print(f"Ответ: {output}")

```