133 lines
8.2 KiB
Markdown
133 lines
8.2 KiB
Markdown
---
|
||
library_name: transformers
|
||
model_name: Vikhr-Qwen-2.5-0.5b-Instruct
|
||
base_model:
|
||
- Qwen/Qwen2.5-0.5B-Instruct
|
||
language:
|
||
- ru
|
||
- en
|
||
license: apache-2.0
|
||
datasets:
|
||
- Vikhrmodels/GrandMaster-PRO-MAX
|
||
---
|
||
|
||
# 💨📟 Vikhr-Qwen-2.5-0.5B-Instruct
|
||
|
||
#### RU
|
||
|
||
Инструктивная модель на основе **Qwen-2.5-0.5B-Instruct**, обученная на русскоязычном датасете **GrandMaster-PRO-MAX**. В **4 раза эффективнее** базовой модели, и идеально подходит для запуска на слабых мобильных устройствах.
|
||
|
||
#### EN
|
||
|
||
Instructive model based on **Qwen-2.5-0.5B-Instruct**, trained on the Russian-language dataset **GrandMaster-PRO-MAX**. It is **4 times more efficient** than the base model, making it perfect for deployment on low-end mobile devices.
|
||
|
||
## GGUF
|
||
|
||
- [Vikhrmodels/Vikhr-Qwen-2.5-0.5B-instruct-GGUF](https://huggingface.co/Vikhrmodels/Vikhr-Qwen-2.5-0.5B-instruct-GGUF)
|
||
|
||
## Особенности:
|
||
|
||
- 📚 Основа / Base: [Qwen-2.5-0.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct)
|
||
- 🇷🇺 Специализация / Specialization: **RU**
|
||
- 💾 Датасет / Dataset: [GrandMaster-PRO-MAX](https://huggingface.co/datasets/Vikhrmodels/GrandMaster-PRO-MAX)
|
||
|
||
## Попробовать / Try now:
|
||
|
||
[](https://colab.research.google.com/drive/1bJpLmplDGkMbfOLO2CH6IO-2uUZEaknf?usp=sharing)
|
||
|
||
## Описание:
|
||
|
||
#### RU
|
||
|
||
**Vikhr-Qwen-2.5-0.5B-instruct** — это компактная языковая модель, обученная на датасете **GrandMaster-PRO-MAX**, специально доученная для обработки русского языка. Эффективность модели **в 4 раза** превышает базовую модель, а её размер составляет **1ГБ** , что делает её отличным выбором для запуска на слабых мобильных устройствах.
|
||
|
||
#### EN
|
||
|
||
**Vikhr-Qwen-2.5-0.5B-instruct** is a compact language model trained on the **GrandMaster-PRO-MAX** dataset, specifically designed for processing the Russian language. Its efficiency is **4 times** higher than the base model, and its size is **1GB**, making it an excellent choice for deployment on low-end mobile devices.
|
||
|
||
## Обучение / Train:
|
||
|
||
#### RU
|
||
|
||
Для создания **Vikhr-Qwen-2.5-0.5B-Instruct** использовался метод SFT (Supervised Fine-Tuning). Мы обучили модель на синтетическом датасете **Vikhrmodels/GrandMaster-PRO-MAX** (150k инструкций) с поддержкой CoT (Chain-Of-Thought), используя промпты для GPT-4-turbo.
|
||
|
||
#### EN
|
||
|
||
To create **Vikhr-Qwen-2.5-0.5B-Instruct**, the SFT (Supervised Fine-Tuning) method was used. We trained the model on a synthetic dataset **Vikhrmodels/GrandMaster-PRO-MAX** (150k instructions) with support for CoT (Chain-Of-Thought), utilizing prompts for GPT-4-turbo.
|
||
|
||
## Пример кода для запуска / Sample code to run:
|
||
|
||
**Рекомендуемая температура для генерации: 0.3** / **Recommended generation temperature: 0.3**.
|
||
|
||
```python
|
||
from transformers import AutoModelForCausalLM, AutoTokenizer
|
||
|
||
# Загрузка модели и токенизатора
|
||
model_name = "Vikhrmodels/Vikhr-Qwen-2.5-0.5B-Instruct"
|
||
model = AutoModelForCausalLM.from_pretrained(model_name)
|
||
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
||
|
||
# Подготовка входного текста
|
||
input_text = "Напиши очень краткую рецензию о книге Гарри Поттер."
|
||
|
||
messages = [
|
||
{"role": "system", "content": "Вы - Vikhr, помощник с искусственным интеллектом, созданный компанией Vikhr models, чтобы быть полезным, безобидным и честным."},
|
||
{"role": "user", "content": input_text},
|
||
]
|
||
|
||
# Токенизация и генерация текста
|
||
input_ids = tokenizer.apply_chat_template(messages, truncation=True, add_generation_prompt=True, return_tensors="pt")
|
||
output = model.generate(
|
||
input_ids,
|
||
max_length=1512,
|
||
temperature=0.3,
|
||
num_return_sequences=1,
|
||
no_repeat_ngram_size=2,
|
||
top_k=50,
|
||
top_p=0.95,
|
||
)
|
||
|
||
# Декодирование и вывод результата
|
||
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
|
||
print(generated_text)
|
||
```
|
||
|
||
#### Ответ модели / Model response:
|
||
|
||
>Книга "Гарри Поттер" – это серия книг, написанных британским писателем Джоан Роулинг. Это одно из самых известных произведений в мире литературы и популярного детского творчества.
|
||
>
|
||
>**Основные черты серии:**
|
||
>
|
||
>1. **Сюжет:** События разворачиваются вокруг мальчика по имени Гарри Поттер, который учится в Школе волшебства и философии в Университете Хогвартс. Он сталкивается с различными препятствиями, включая борьбу со злом, поиск друзей и самопознание.
|
||
>
|
||
>2. **Персонажи:** В книге представлены множество персонажей, каждый из которых имеет свои уникальные черты характера, мотивации и прошлое. Главный герой, Гарри Поттер, является примером доброго и смелого человека, а также необычной личностью.
|
||
>
|
||
>3. **Темы и идеи:** Рассказы книги затрагивают темы любви, дружбы, справедливости, морали, человеческой неповиновенности и важности обучения через приключения.
|
||
>
|
||
>4. **История и развитие персонажей:** Через события и взаимодействие с другими персонажами книга исследует глубокие психологические и философские вопросы.
|
||
>
|
||
>5. **Влияние на культуру:** "Гарри Поттер" оказал огромное влияние на мировую литературу, превратившись в культовый жанр и символ знаний и мудрости.
|
||
>
|
||
>6. **Доступность:** Книги серии доступны для широкой аудитории и пользуются большим спросом, что делает их популярным выбором среди читателей всех возрастов.
|
||
>
|
||
>7. **Развитие жанра:** Несмотря на то что "Гарри Поттер" является частью серии, он продолжает быть любимым и актуальным, так как продолжает удивлять читателей новыми историями и персонажами.
|
||
>
|
||
>Эта серия книг остается одной из самых значительных и влиятельных в истории литературы, оказав влияние на развитие мировой культуры и образование.
|
||
|
||
|
||
### Авторы / Authors
|
||
|
||
- Sergei Bratchikov, [NLP Wanderer](https://t.me/nlpwanderer), [Vikhr Team](https://t.me/vikhrlabs)
|
||
- Nikolay Kompanets, [LakoMoor](https://t.me/lakomoor), [Vikhr Team](https://t.me/vikhrlabs)
|
||
- Konstantin Korolev, [Vikhr Team](https://t.me/vikhrlabs)
|
||
- Aleksandr Nikolich, [Vikhr Team](https://t.me/vikhrlabs)
|
||
|
||
```
|
||
@article{nikolich2024vikhr,
|
||
title={Vikhr: The Family of Open-Source Instruction-Tuned Large Language Models for Russian},
|
||
author={Aleksandr Nikolich and Konstantin Korolev and Sergey Bratchikov and Nikolay Kompanets and Artem Shelmanov},
|
||
journal={arXiv preprint arXiv:2405.13929},
|
||
year={2024},
|
||
url={https://arxiv.org/pdf/2405.13929}
|
||
}
|
||
``` |