metadata
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 (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 (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 (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-gemma2:gemma2-9b-v10.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
$ python ./llm2024-competition-runner/generate.py \
--model="hf.co/pokutuna/llm2024-gemma2:gemma2-9b-v10.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)
- タスクデータ、各行に
--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
- 結果の出力先、タスクデータの各行に対し