介绍 (Introduction)
MM_zh_INTP (Machine_Mindset_zh_INTP) 是FarReel AI Lab和北大深研院合作研发的基于Baichuan-7b-chat的MBTI类型为INTP的中文大模型。
MM_zh_INTP经过我们自主构建的大规模MBTI数据集，经多阶段的微调和DPO训练而来。我们会持续将模型更新到效果更优的版本、并不断补充测试数据。本仓库为MM_zh_INTP模型的仓库。
MM_zh_INTP (Machine_Mindset_zh_INTP)的基础性格特征是INTP，这意味着它倾向于展现出内倾、直觉、思考、感知的特质，更详细的性格描述见16personalities。
如果您想了解更多关于Machine_Mindset开源模型的细节，我们建议您参阅GitHub代码库。
要求（Requirements）
- python 3.8及以上版本
- pytorch 1.12及以上版本，推荐2.0及以上版本
- 建议使用CUDA 11.4及以上（GPU用户、flash-attention用户等需考虑此选项）
快速使用（Quickstart）
-
使用HuggingFace Transformers库（单轮对话）:
import torch from transformers import AutoModelForCausalLM, AutoTokenizer from transformers.generation.utils import GenerationConfig tokenizer = AutoTokenizer.from_pretrained("FarReelAILab/Machine_Mindset_zh_INTP", use_fast=False, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained("FarReelAILab/Machine_Mindset_zh_INTP", device_map="auto", torch_dtype=torch.bfloat16, trust_remote_code=True) model.generation_config = GenerationConfig.from_pretrained("FarReelAILab/Machine_Mindset_zh_INTP") messages = [] messages.append({"role": "user", "content": "你的MBTI人格是什么"}) response = model.chat(tokenizer, messages) print(response) messages.append({'role': 'assistant', 'content': response}) messages.append({"role": "user", "content": "和一群人聚会一天回到家，你会是什么感受"}) response = model.chat(tokenizer, messages) print(response) -
使用HuggingFace Transformers库（多轮对话）:
import torch from transformers import AutoModelForCausalLM, AutoTokenizer from transformers.generation.utils import GenerationConfig tokenizer = AutoTokenizer.from_pretrained("FarReelAILab/Machine_Mindset_zh_INTP", use_fast=False, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained("FarReelAILab/Machine_Mindset_zh_INTP", device_map="auto", torch_dtype=torch.bfloat16, trust_remote_code=True) model.generation_config = GenerationConfig.from_pretrained("FarReelAILab/Machine_Mindset_zh_INTP") messages = [] print("####Enter 'exit' to exit.") print("####Enter 'clear' to clear the chat history.") while True: user=str(input("User:")) if user.strip()=="exit": break elif user.strip()=="clear": messages=[] continue messages.append({"role": "user", "content": user}) response = model.chat(tokenizer, messages) print("Assistant:", response) messages.append({"role": "assistant", "content": str(response)}) -
使用LLaMA-Factory推理框架（多轮对话）
git clone https://github.com/hiyouga/LLaMA-Factory.git cd LLaMA-Factory python ./src/cli_demo.py \ --model_name_or_path /path_to_your_local_model \ --template baichuan2 #如果您使用的是中文模型，template须指定为baichuan2；如果您使用的是英文模型，template须指定为llama2
关于更多的使用说明，请参考我们的GitHub代码库获取更多信息。
引用 (Citation)
如果你觉得我们的工作对你有帮助，欢迎引用！
@article{cui2023machine,
title={Machine Mindset: An MBTI Exploration of Large Language Models},
author={Cui, Jiaxi and Lv, Liuzhenghao and Wen, Jing and Tang, Jing and Tian, YongHong and Yuan, Li},
journal={arXiv preprint arXiv:2312.12999},
year={2023}
}
使用协议（License Agreement）
我们的代码遵循Apache2.0协议开源。请查看LICENSE了解具体的开源协议细节。
我们的模型权重基于原始基础模型权重的开源协议。
中文版本是基于baichuan的开源协议细节，支持商用。请查看model_LICENSE查看具体细节。
英文版基于llama2的开源协议
联系我们（Contact Us）
如果您有任何问题，请邮件联系jiaxicui446@gmail.com，lvliuzh@stu.pku.edu.cn