|
|
--- |
|
|
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 |
