LLaMAntino-3-SLIMER-IT/README.md

language, pipeline_tag, license, tags, base_model

language	pipeline_tag	license	tags	base_model
it	text-generation	llama3	facebook meta pythorch llama llama-3 llamantino zero-shot NER NER	swap-uniba/LLaMAntino-3-ANITA-8B-Inst-DPO-ITA

SLIMER-IT: Show Less Instruct More Entity Recognition - Italian language

SLIMER-IT is an LLM specifically instructed for zero-shot NER on Italian language.

Github repository: https://github.com/andrewzamai/SLIMER_IT

Instructed on a reduced number of tags (PER, ORG, LOC), it is designed to tackle never-seen-before Named Entity tags by leveraging a prompt enriched with a DEFINITION and GUIDELINES for the NE to be extracted.

Built with Meta Llama 3, based on the Italian instruction-tuned version swap-uniba/LLaMAntino-3-ANITA-8B-Inst-DPO-ITA

<html> <head> <style> .container { border: none; padding: 5px; width: 300px; margin: 0 auto; font-family: Arial, sans-serif; font-size: 8px; border-radius: 10px; /* Rounded borders for container */ overflow: hidden; /* Ensure child elements respect container's rounded borders */ } .header { background-color: black; color: white; padding: 5px; text-align: center; font-weight: bold; font-size: 14px; border-top-left-radius: 10px; /* Rounded top-left corner */ border-top-right-radius: 10px; /* Rounded top-right corner */ } .content { padding: 5px; } .definition, .guidelines { padding: 5px; border-radius: 10px; /* Rounded borders for definition and guidelines */ } .definition { background-color: #ffa3f0; } .guidelines { background-color: #93e2fa; } .footer { background-color: black; color: white; padding: 10px; font-weight: bold; border-bottom-left-radius: 10px; border-bottom-right-radius: 10px; } </style> </head>

Instruction Tuning Prompt

Ti viene fornito un input di testo (delimitato da tre virgolette) e un'istruzione.
Leggi il testo e rispondi all'istruzione alla fine.

"""
{input di testo}
"""

Istruzione: Estrai tutte le entità di tipo ENTITÀ MITOLOGICA dal testo che hai letto.

Ti vengono fornite una DEFINIZIONE e alcune LINEE GUIDA.

DEFINIZIONE: ENTITÀ MITOLOGICA denota personaggi, divinità, creature o figure mitologiche provenienti da tradizioni religiose, miti, leggende o folklore.

LINEE GUIDA: Assicurati di non etichettare come ENTITÀ MITOLOGICA personaggi storici o letterari reali. Ad esempio, 'Alessandro Magno' è un personaggio storico, non una figura mitologica. Inoltre, fai attenzione a distinguere nomi comuni o nomi di luoghi che possono riferirsi anche a figure mitologiche, come 'Diana', che può essere un nome proprio e il nome della dea romana della caccia.

Restituisci una lista JSON di istanze di questo tipo. Restituisci una lista vuota se non sono presenti istanze.

</html> <html lang="en"> <head> <style> body { font-family: Arial, sans-serif; line-height: 1.6; padding: 20px; } .description { font-weight: bold; color: #333; margin-bottom: 10px; } .template { background-color: #f0f0f0; padding: 10px; border-radius: 5px; margin-bottom: 20px; } .highlight-orange { color: orange; font-weight: bold; } </style> </head>

JSON SLIMER-IT prompt

{
  "description": "SLIMER prompt for Italian",
  "prompt_input": "<|start_header_id|>system<|end_header_id|>\n\n Sei un utile assistente.<|eot_id|>\n<|start_header_id|>user<|end_header_id|>\n\nTi viene fornito un input di testo (delimitato da tre virgolette) e un'istruzione. \nLeggi il testo e rispondi all'istruzione alla fine.\n\"\"\"\n{input}\n\"\"\"\nIstruzione: Estrai tutte le entità di tipo {NE_name} dal testo che hai letto. Ti vengono fornite una DEFINIZIONE e alcune LINEE GUIDA.\nDEFINIZIONE: {definition}\nLINEE GUIDA: {guidelines}\nRestituisci una lista JSON di istanze di questo tipo. Restituisci una lista vuota se non sono presenti istanze.<|eot_id|>\n<|start_header_id|>assistant<|end_header_id|>\n\n"
  }

</html>

from vllm import LLM, SamplingParams

vllm_model = LLM(model="expertai/SLIMER-IT")

sampling_params = SamplingParams(temperature=0, max_tokens=128)

prompts = [prompter.generate_prompt(instruction, input) for instruction, input in instruction_input_pairs]
responses = vllm_model.generate(prompts, sampling_params)

Citation

If you find SLIMER-IT useful in your research or work, please cite the following paper:

@misc{zamai2024slimeritzeroshotneritalian,
      title={SLIMER-IT: Zero-Shot NER on Italian Language}, 
      author={Andrew Zamai and Leonardo Rigutini and Marco Maggini and Andrea Zugarini},
      year={2024},
      eprint={2409.15933},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2409.15933}, 
}