|
--- |
|
license: gemma |
|
language: |
|
- ja |
|
- en |
|
datasets: |
|
- llm-jp/magpie-sft-v1.0 |
|
- kajuma/CC-news-2024-July-October-cleaned |
|
- weblab-GENIAC/aya-ja-nemotron-dpo-masked |
|
base_model: |
|
- google/gemma-2-9b |
|
--- |
|
|
|
## Training Dataset |
|
|
|
以下のデータセットをサンプリング & 前処理の上、学習に用いました。 |
|
|
|
- [kajuma/CC-news-2024-July-October-cleaned](https://huggingface.co/datasets/kajuma/CC-news-2024-July-October-cleaned) (ODC-By) |
|
- 一定以上のテキスト長があり単体のニュース記事とみなせるものをフィルタし本文部分を抽出して利用 |
|
- [llm-jp/magpie-sft-v1.0](https://huggingface.co/datasets/llm-jp/magpie-sft-v1.0) (apache-2.0) |
|
- サンプリングして指示チューニングに利用 |
|
- [weblab-GENIAC/aya-ja-nemotron-dpo-masked](https://huggingface.co/datasets/weblab-GENIAC/aya-ja-nemotron-dpo-masked) (apache-2.0) |
|
- サンプリングして選好チューニングに利用 |
|
|
|
## 実行方法(コンペ採点者の方向け) |
|
|
|
### 事前準備 |
|
|
|
``` |
|
# lshw のインストール (ollama インストール時に GPU を検出するのに必要) |
|
$ apt update && apt install -y lshw |
|
|
|
# ollama (https://ollama.com/) のインストール & 起動 |
|
$ curl -fsSL https://ollama.com/install.sh | sh |
|
$ ollama serve |
|
|
|
# -- 以降は別ターミナルプロセスから実行(ollama サーバーに対して実行) -- |
|
|
|
# モデルのダウンロード |
|
$ ollama pull hf.co/pokutuna/llm2024-competition:gemma2-9b-v11-Q6_K.gguf |
|
# |
|
# Note. |
|
# ダウンロード後、success と出力されるのを確認して下さい。 |
|
# 演習環境で動作を確認済みですがネットワーク状況等により、 |
|
# timeout (context deadline exceeded) が発生することがあります。 |
|
# 何度か実行すれば走り切ります。 |
|
|
|
# 回答生成コードの pull |
|
$ git clone https://github.com/pokutuna/llm2024-competition-runner.git |
|
|
|
# 依存ライブラリのインストール |
|
$ pip install -r llm2024-competition-runner/requirements.txt |
|
``` |
|
|
|
### 出力の生成 |
|
|
|
```sh |
|
$ python ./llm2024-competition-runner/generate.py \ |
|
--model="hf.co/pokutuna/llm2024-competition:gemma2-9b-v11-Q6_K.gguf" \ |
|
--tasks=./tasks.jsonl \ |
|
--outfile=./output.jsonl |
|
``` |
|
|
|
- `--tasks=<path>` |
|
- タスクデータ、各行に `input` フィールドを持つ JSONL ファイルへのパス |
|
(`elyza-tasks-100-TV_0.jsonl` と同じ構造を想定) |
|
- `--outfile=<path>` |
|
- 結果の出力先、タスクデータの各行に対し `output` キーを出力結果として追加したもの |
|
|
