初始化项目，由ModelHub XC社区提供模型

Model: Mxode/NanoLM-70M-Instruct-v1
Source: Original Platform

README_zh-CN.md

@@ -0,0 +1,65 @@
+# NanoLM-70M-Instruct-v1
+
+[English](README.md) | 简体中文
+
+
+## Introduction
+
+为了探究小模型的潜能，我尝试构建一系列小模型，并存放于 [NanoLM Collections](https://huggingface.co/collections/Mxode/nanolm-66d6d75b4a69536bca2705b2)。
+
+这是 NanoLM-70M-Instruct-v1。该模型目前仅支持**英文**。
+
+
+## 模型详情
+
+| Nano LMs | Non-emb Params | Arch | Layers | Dim | Heads | Seq Len |
+| :----------: | :------------------: | :---: | :----: | :-------: | :---: | :---: |
+| 25M         | 15M  |   MistralForCausalLM     | 12      | 312     | 12    |2K|
+| **70M**         | **42M** |  **LlamaForCausalLM**          | **12**     | **576**    | **9**   | **2K** |
+| 0.3B         | 180M |  Qwen2ForCausalLM  | 12   | 896    | 14 |4K|
+| 1B     | 840M | Qwen2ForCausalLM | 18   | 1536   | 12   |4K|
+
+NanoLM-70M-Instruct-v1 的分词器和模型架构与 [SmolLM-135M](https://huggingface.co/HuggingFaceTB/SmolLM-135M) 相同，但层数从30减少到12。
+
+本质上是纯粹的 LLaMA 架构，即 LlamaForCausalLM。
+
+因此，NanoLM-70M-Instruct-v1 的参数量只有 70 M。
+
+尽管如此，NanoLM-70M-Instruct-v1 仍展示了指令跟随能力。
+
+
+## 如何使用
+
+```python
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model_path = 'Mxode/NanoLM-70M-Instruct-v1'
+
+model = AutoModelForCausalLM.from_pretrained(model_path).to('cuda:0', torch.bfloat16)
+tokenizer = AutoTokenizer.from_pretrained(model_path)
+
+
+text = "Why is it important for entrepreneurs to prioritize financial management?"
+prompt = tokenizer.apply_chat_template(
+    [
+        {'role': 'system', 'content': 'You are a helpful assistant.'},
+        {'role': 'user', 'content': text}
+    ],
+    add_generation_prompt=True,
+    tokenize=True,
+    return_tensors='pt'
+).to('cuda:0')
+
+
+outputs = model.generate(
+    prompt,
+    max_new_tokens=1024,
+    do_sample=True,
+    temperature=0.7,
+    repetition_penalty=1.1,
+    eos_token_id=tokenizer.eos_token_id,
+)
+response = tokenizer.decode(outputs[0])
+print(response)
+```