metadata

license: other

English 简体中文 |

Github • WeChat

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 🔥 基于AquilaChat2-34B-16K初始版本的开发经验，我们对AquilaChat2-34B-16K进行了全面升级并发布1.2版本。其中AquilaChat2-34B-16K-V1.2相较于V1版本在长文本综合能力上有明显提升，接近GPT-3.5-16K。同时V1.2版本应用了更多的常规指令微调语料，使其在非长文本场景下的性能也优于V1版本。

快速开始使用 AquilaChat2-34B-16K

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/AquilaChat2-34B-16K"
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