Mistral-8x7b-Quantized-portuguese-luanaa

This model was trained with a superset of 300,000 instructions in Portuguese. The model comes to help fill the gap in models in Portuguese. Tuned from the Mistral 8x7b and quantized in 4bit for Portuguese, the model was adjusted mainly for instructional tasks.

How to use

A100 GPU

You can use the model in its normal form up to 4-bit quantization. Below we will use both approaches. Remember that verbs are important in your prompt. Tell your model how to act or behave so that you can guide them along the path of their response. Important points like these help models (even smaller models like 7b) to perform much better.

!pip install -q -U transformers
!pip install -q -U accelerate
!pip install -q -U bitsandbytes

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
model = AutoModelForCausalLM.from_pretrained("rhaymison/Mistral-8x7b-Quantized-portuguese-luana", device_map= {"": 0})
tokenizer = AutoTokenizer.from_pretrained("rhaymison/Mistral-8x7b-Quantized-portuguese-luana")
model.eval()

You can use with Pipeline but in this example i will use such as Streaming


inputs = tokenizer([f"""<s>[INST] Abaixo está uma instrução que descreve uma tarefa, juntamente com uma entrada que fornece mais contexto.
Escreva uma resposta que complete adequadamente o pedido.
### instrução: aja como um professor de matemática e me explique porque 2 + 2 = 4.
[/INST]"""], return_tensors="pt")

inputs.to(model.device)

streamer = TextStreamer(tokenizer, skip_prompt=True, skip_special_tokens=True)
_ = model.generate(**inputs, streamer=streamer, max_new_tokens=200)

If you are having a memory problem such as "CUDA Out of memory", you should use 4-bit or 8-bit quantization. For the complete model in colab you will need the A100. If you want to use 4bits or 8bits, T4 or L4 will already solve the problem.

4bits example

from transformers import BitsAndBytesConfig
import torch
nb_4bit_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16,
    bnb_4bit_use_double_quant=True
)

model = AutoModelForCausalLM.from_pretrained(
    base_model,
    quantization_config=bnb_config,
    device_map={"": 0}
)

LangChain

Extracting a langChain conversation with a drug petition document as context.

Human: Bom dia. Me informe quais medicamentos são solicitados no texto. Informe também a posologia e o período de tratamento.
Luana: Olá! No texto são solicitados os medicamentos DULOXETINA 30mg,PREGABALINA 100mg ROSUVASTATINA 10mg. A posologia e o período de tratamento não são especificados, pois isso deve ser indicado periodicamente pelo médico.
Human: Perfeito. E qual é o valor da causa informado no documento?
Luana: O valor da causa informado no documento é R$ 6.132,00 (seis mil cento e três).
Human: Foi mencionado no texto alguma lei?
Luana: Sim, a Lei Complementar nº 80/94 é mencionada no texto. Ela se refere às prerrogativas institucionais da Defensoria Pública, incluindo a intimação pessoal de seus membros, a contagem em dobro dos prazos processuais, a manifestação por cotas nos autos e a dispensa da procuração.
Human: Perfeito! Muito obrigado pela ajuda. Por hora é somente isso =]
Luana: Foi um prazer ajudar! Se você tiver outras dúvidas ou necessitar de mais informações, não hesite em perguntar. Tenha um bom dia!

Open Portuguese LLM Leaderboard Evaluation Results

Detailed results can be found here and on the 🚀 Open Portuguese LLM Leaderboard

Metric	Value
Average	66.05
ENEM Challenge (No Images)	69.63
BLUEX (No Images)	59.11
OAB Exams	49.61
Assin2 RTE	61.21
Assin2 STS	79.95
FaQuAD NLI	78.60
HateBR Binary	72.42
PT Hate Speech Binary	73.01
tweetSentBR	50.90