metadata

license: other

English 简体中文 |

悟道·天鹰（Aquila2）

我们开源了我们的 Aquila2 系列，现在包括基础语言模型 Aquila2-7B 和 Aquila2-34B ，对话模型 AquilaChat2-7B 和 AquilaChat2-34B，长文本对话模型AquilaChat2-7B-16k 和 AquilaChat2-34B-16k

悟道 · 天鹰 Aquila 模型的更多细节将在官方技术报告中呈现。请关注官方渠道更新。

2023.10.25 🔥 1.2版本的 Aquila2-34B 模型已在ModelHub 和 Hugging Face 上更新。
基于Aquila2初始版本的开发经验，我们对Aquila2进行了全面升级并发布1.2版本。评测结果显示，Aquila2基础模型综合客观评测提升 6.9%，Aquila2-34B v1.2 在 MMLU、TruthfulQA、CSL、TNEWS、OCNLI、BUSTM 等考试、理解及推理评测数据集上的评测结果分别增加 12%、14%、11%、12%、28%、18%。

对话模型性能

快速开始使用 Aquila2-34B

使用方式/How to use

1. 推理/Inference

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
device = torch.device("cuda")
model_info = "BAAI/Aquila2-34B"
tokenizer = AutoTokenizer.from_pretrained(model_info, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_info, trust_remote_code=True)
model.eval()
model.to(device)
text = "请给出10个要到北京旅游的理由。"
tokens = tokenizer.encode_plus(text)['input_ids']
tokens = torch.tensor(tokens)[None,].to(device)
stop_tokens = ["###", "[UNK]", "</s>"]
with torch.no_grad():
    out = model.generate(tokens, do_sample=True, max_length=512, eos_token_id=100007, bad_words_ids=[[tokenizer.encode(token)[0] for token in stop_tokens]])[0]
    out = tokenizer.decode(out.cpu().numpy().tolist())
    print(out)

证书/License

Aquila2系列开源模型使用智源Aquila系列模型许可协议