README.md

---
library_name: transformers
license: apache-2.0
datasets:
- Vikhrmodels/GrandMaster-PRO-MAX
language:
- ru
base_model:
- t-tech/T-lite-it-1.0
---

# Watari 7B (NullVersion)

- [EN]  
Qwen2.5-based model, adapted for russian text generation tasks.  
This is a base SFT version for further reasoning development and alignment.  
- [RU]  
Finetune версия Qwen2.5, адаптированная для генерации русского текста.  
Является SFT базой для дальнейших ризонинг-оптимизаций с GRPO и алайнмента.

### Huge thanks to mradermacher for converting the model to GGUF format!
The further conversions/upgrade are much appreciated and welcomed, feel free to join.
[https://huggingface.co/mradermacher/Watari-7b-v0-GGUF]  
**GGUF repo id**: mradermacher/Watari-7b-v0-GGUF

## Model Details / Детализация модели
- [EN]  
Full supervised finetuning was performed on 2xA100 NVIDIA GPUs for 3 days on a portion of dataset:  
GrandMaster [Vikhrmodels/GrandMaster-PRO-MAX]
- [RU]  
Полный SFT цикл (bfloat16, без низкоранговых адаптеров LoRa) был выполнен на двух NVIDIA A100, обучение длилось 3 дня суммарно.  
Использовалась часть датасета GrandMaster [Vikhrmodels/GrandMaster-PRO-MAX]

### Model Description / Описание модели

- **Developed by:** [Reisen Raumberg (Attention Signs team)]
- **Language(s) (NLP):** [RU/EN]
- **Finetuned from model:** [Qwen2.5]

Utilized DeepSpeed (Stage 3) and HF.Accelerator for distributed training. 

### Using the model / Как запустить?

```python
from transformers import AutoTokenizer, AutoModelForCausalLM

repo = 'attn-signs/Watari-7b-v0'

model = AutoModelForCausalLM.from_pretrained(repo)
tokenizer = AutoTokenizer.from_pretrained(repo)

model.to('cuda')

prompt = 'Что такое хорошо, а что такое плохо?'
messages = [
    {"role": "system", "content": "Ты Ватари, ассистент и помощник в решении различных задач. Отвечай на вопросы пользователя, рассуждая."},
    {"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)
```

```
Вопрос "Что такое хорошо, а что такое плохо?" является философским и субъективным, так как понятия "хорошо" и "плохо" могут иметь разные значения в зависимости от контекста и индивидуальных убеждений. Тем не менее, я могу привести общие определения этих понятий:

### Хорошо:
1. **Положительные эмоции**: Счастье, радость, благодарность.
2. **Добродетели**: Честь, доброта, честность.
3. **Успех**: Достижение целей и желаемых результатов.
4. **Здоровье**: Физическое и психическое благополучие.
5. **Духовное развитие**: Рост, самосовершенствование и самореализация.

### Плохо:
1. **Негативные эмоции**: Грусть, печаль, страх.
2. **Пороки**: Себялюбие, жадность, лжь.
3. **Неудачи**: Неспособность достичь целей и желаемых результатов.
4. **Болезнь**: Болезненные состояния и недуги.
5. **Падение духа**: Уныние, отчаяние, потеря мотивации.

Эти определения являются общими и могут варьироваться в зависимости от культурных, религиозных и личных взглядов каждого человека.
```

### LLM was trained using:
https://github.com/Raumberg/myllm