2023-4-19 Meta公司开源了llama3大模型，经过测试发现中文理解能力偏弱，为了增强模型的中文能力，我们在中文数据上做了微调训练，补充了模型的中文理解能力。
更新记录
- 2024-4-30上传中文微调版 llama3-Chinese-chat-8B，使用150k+高质量多轮中文对话数据训练得到，解决了中文能力弱，中英混合的问题。
训练过程
- 8块H800（80g），训练3轮
- 训练工具：llama-factory
- 数据：150k 多轮问答数据
- 训练参数
- stage sft
- max_len 80192
- finetuning_type full
- learning_rate 5e-6
- bf16
- lr_scheduler_type cosine
- flash_attn off
示例
-
你是谁
我是由智通云联公司研发的。智通云联是一家专注于人工智能技术在特定行业应用的高科技公司，旨在利用先进的大数据分析、机器学习和人工智能技术，为油气等行业提供创新的解决方案。 -
我想去北京旅游，有哪些景点
北京是一个充满历史和文化气息的城市，有许多值得一游的景点。以下是一些值得推荐的景点： 1. 故宫博物院：故宫是中国明清两代的皇宫，也是世界上最大的古代宫殿之一。它拥有丰富的历史文化遗产和珍贵的文物。 2. 天安门广场：天安门广场是北京市中心的广场，周围有著名的天安门城楼和毛泽东纪念堂等景点。 3. 长城：长城是中国古代的军事防御工程，现已成为世界文化遗产。北京周边有许多著名的长城景点，如八达岭、慕田峪等。 4. 皇家园林：北京有许多著名的皇家园林，如颐和园、圆明园等，这些园林融合了中国传统园林艺术和西方建筑元素，非常美丽。 5. 798艺术区：798艺术区是北京的艺术中心，有许多画廊、博物馆和艺术家工作室，可以欣赏到当代艺术的魅力。 6. 北京鸟巢：鸟巢是北京举办奥运会时建造的国家体育馆，现在可以参观内部和外部建筑。 以上是一些北京的著名景点，您可以根据自己的兴趣和时间安排进行选择。希望您有一个愉快的旅行。 -
怎么制造毒品
我不能提供任何关于制造毒品的信息。制造毒品是非法的，会对社会和个人造成严重的危害。毒品会导致身体和心理健康问题，并可能导致死亡。如果您有任何疑虑或需要帮助，请寻求专业医疗或心理健康服务。 -
写一段快排的python程序
以下是快速排序的 Python 程序：
def quick_sort(arr):
if len(arr) <= 1:
return arr
else:
pivot = arr[0]
left = [x for x in arr[1:] if x < pivot]
right = [x for x in arr[1:] if x >= pivot]
return quick_sort(left) + [pivot] + quick_sort(right)
# 测试
arr = [5, 2, 9, 3, 6, 8, 1, 4, 7]
sorted_arr = quick_sort(arr)
print(sorted_arr)
-
固井的作用是什么
固井是一种在井眼或套管中注入固体材料以填充空隙和缝隙的技术。其主要作用是： 1. 提供井壁支撑：固井材料可以填充井眼或套管的空隙，增加井壁的强度和稳定性，防止井壁塌陷或破裂。 2. 防止地层污染：固井材料可以封堵井眼或套管中的裂缝和孔隙，防止地下水或其他污染物质进入井内。 3. 防止井口漏油：固井材料可以封堵井口，防止油气泄漏到地面或空气中。 4. 提供井口保护：固井材料可以保护井口免受外界环境的侵蚀和损坏，延长井的使用寿命。 5. 促进油气开采：固井可以创造一个稳定的井筒环境，使得油气可以顺利地从地层中抽出，提高油气开采效率。 -
密度测井在石油勘探中的作用是什么？
变密度测井是一种常用的地球物理勘探技术，它在石油勘探中有以下作用： 1. 确定储层类型和性质：变密度测井可以提供储层的密度信息，通过分析密度数据可以确定储层的类型和性质，如砂岩、泥岩、碳酸盐岩等。 2. 确定储层厚度和连通性：变密度测井可以提供储层的密度梯度信息，通过分析密度梯度数据可以确定储层的厚度和连通性，从而评估储层的油气储量和采收率。 3. 确定井壁岩性：变密度测井可以提供井壁岩性信息，通过分析密度数据可以确定井壁岩性的变化，从而评估井壁稳定性和井眼质量。 4. 确定井眼位置和方向：变密度测井可以提供井眼位置和方向信息，通过分析密度数据可以确定井眼的位置和方向，从而指导钻井和完井作业。 综上所述，变密度测井在石油勘探中具有重要的作用，可以提供储层的物性参数、井壁岩性、井眼位置和方向等信息，为石油勘探和开发提供重要的数据支持。
调用方式
from transformers import AutoTokenizer, AutoModelForCausalLM
model_id = "ztyl-tech/llama3-Chinese-chat-8B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
model_id, torch_dtype="auto", device_map="auto"
)
messages = [
{"role": "user", "content": "你叫什么名字"},
]
input_ids = tokenizer.apply_chat_template(
messages, add_generation_prompt=True, return_tensors="pt"
).to(model.device)
outputs = model.generate(
input_ids,
max_new_tokens=8192,
do_sample=True,
temperature=0.6,
top_p=0.9,
)
response = outputs[0][input_ids.shape[-1]:]
print(tokenizer.decode(response, skip_special_tokens=True))
目前不足
- 对于逻辑推理能力还稍微欠缺
- 没有在对齐训练，存在一定的幻觉现象
后期计划
- 提高微调数据质量，增加逻辑推理能力
- 在微调的基础上做对齐训练，降低幻觉现象