|
--- |
|
library_name: transformers |
|
tags: |
|
- llama-factory |
|
license: apache-2.0 |
|
--- |
|
|
|
## Model |
|
- base model: [meta-llama/Meta-Llama-3-8B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3-8B-Instruct) |
|
|
|
## Dataset |
|
- [youjunhyeok/llama3_train](https://huggingface.co/datasets/youjunhyeok/llama3_train) |
|
|
|
## Load Model |
|
|
|
Use the following Python code to load the model: |
|
|
|
```python3 |
|
from transformers import AutoTokenizer, AutoModelForCausalLM |
|
|
|
path = 'youjunhyeok/llama3-8b-ko-sft-v1' |
|
|
|
model = AutoModelForCausalLM.from_pretrained(path) |
|
tokenizer = AutoTokenizer.from_pretrained(path) |
|
``` |
|
|
|
## Chat |
|
|
|
```python3 |
|
def chat(message): |
|
messages = [ |
|
{"role": "system", "content": "당신은 인공지능 어시트턴트입니다. 친절하고 정확한 답변을 해주세요."}, |
|
{"role": "user", "content": message}, |
|
] |
|
|
|
input_ids = tokenizer.apply_chat_template( |
|
messages, |
|
add_generation_prompt=True, |
|
return_tensors="pt" |
|
).to(model.device) |
|
|
|
terminators = [ |
|
tokenizer.eos_token_id, |
|
tokenizer.convert_tokens_to_ids("<|eot_id|>") |
|
] |
|
|
|
outputs = model.generate( |
|
input_ids, |
|
max_new_tokens=512, |
|
eos_token_id=terminators, |
|
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)) |
|
|
|
chat('근로자가 부당해고를 당했을 때 구제받기 위한 절차와 요건은 무엇인가?') |
|
``` |
|
|
|
## Output |
|
|
|
``` |
|
근로자가 부당해고를 당했을 때 구제받기 위한 절차와 요건은 다음과 같습니다: |
|
|
|
1. 근로자: 근로자는 부당해고를 당한 경우, 근로기준법 등 관련 법률에 따라 구제를 받을 수 있습니다. |
|
|
|
2. 부당해고: 부당해고란, 근로자에게 적법한 절차를 거치지 않고 해고된 경우를 말합니다. 근로기준법 등 관련 법률에 따라 부당해고의 기준과 구제절차가 정해져 있습니다. |
|
|
|
3. 구제절차: 근로자가 부당해고를 당한 경우, 다음과 같은 구제절차를 거칠 수 있습니다: |
|
|
|
- 근로기준법 제28조에 따라 근로자에게 부당해고를 당한 경우, 근로기준법상 부당해고를 받은 근로자는 근로감독관에게 신고할 수 있습니다. 근로감독관은 근로자에게 구제를 제공하고, 근로자에게 부당해고를 당한 경우에 대한 적법한 절차를 수행합니다. |
|
|
|
- 근로기준법 제30조에 따라 근로자는 근로감독관에게 구제를 요청할 수 있습니다. 근로감독관은 근로자의 요청에 따라 구제를 제공하고, 근로자에게 부당해고를 당한 경우에 대한 적법한 절차를 수행합니다. |
|
|
|
4. 요건: 근로자가 구제를 받기 위해서는 다음과 같은 요건을 충족해야 합니다: |
|
|
|
- 근로자: 근로자는 근로기준법 등 관련 법률에 따라 근로자로 정의되는 경우에 구제를 받을 수 있습니다. |
|
|
|
- 부당해고: 근로자는 부당해고를 당한 경우에 구제를 받을 수 있습니다. 부당해고란, 근로기준법 등 관련 법률에 따라 정의된 경우에 해당합니다. |
|
|
|
- 구제절차: 근로자는 구제절차를 거쳐야 합니다. 구제절차는 근로기준법 등 관련 법률에 따라 정의된 경우에 해당합니다. |
|
|
|
요약하면, 근로자가 부당해고를 당했을 때 구제받기 위해서는 근로기준법 등 관련 법률에 따라 구제절차를 거치고, 근로 |
|
``` |
|
|
|
## BenchMark (KOR) |
|
|
|
``` |
|
# alias |
|
A = youjunhyeok/llama3-8b-ko-sft-v1 |
|
B = DavidAhn/Llama-3-8B-slerp-262k |
|
C = meta-llama/Meta-Llama-3-8B |
|
D = chihoonlee10/T3Q-ko-solar-dpo-v7.0 (24.05.24 ko 리더보드 1등) |
|
``` |
|
|
|
| Benchmark (macro_f1) | A | B | C | D | |
|
|---------------------------|:----:|:----:|:----:|:----:| |
|
| kobest_boolq (0-shot) | 84.7 | 33.5 | 38.2 | 34.1 | |
|
| kobest_boolq (5-shot) | 85.4 | 68.8 | 83.8 | 93.1 | |
|
| kobest_copa (0-shot) | 60.6 | 58.5 | 63.1 | 81.0 | |
|
| kobest_copa (5-shot) | 67.2 | 61.7 | 69.1 | 91.0 | |
|
| kobest_hellaswag (0-shot) | 40.0 | 43.2 | 42.1 | 55.1 | |
|
| kobest_hellaswag (5-shot) | 42.4 | 45.3 | 44.2 | 55.2 | |
|
| kobest_sentineg (0-shot) | 52.1 | 34.8 | 51.5 | 82.7 | |
|
| kobest_sentineg (5-shot) | 89.4 | 85.8 | 94.7 | 91.4 | |
|
|
|
## BenchMark (ENG) |
|
|
|
``` |
|
# alias |
|
A = youjunhyeok/llama3-8b-ko-sft-v1 |
|
B = DavidAhn/Llama-3-8B-slerp-262k |
|
C = meta-llama/Meta-Llama-3-8B |
|
``` |
|
|
|
| | A | B | C | |
|
|:--------------|------:|------:|------:| |
|
| openbookqa | 0.342 | 0.312 | 0.338 | |
|
| hellaswag | 0.555 | 0.587 | 0.576 | |
|
| boolq | 0.824 | 0.832 | 0.831 | |
|
| arc_easy | 0.758 | 0.808 | 0.815 | |
|
| arc_challenge | 0.464 | 0.518 | 0.529 | |
|
|
|
## Llama_factory Train Command |
|
{data_dir}, {dataset_name}, {output_dir} is variable |
|
``` |
|
llamafactory-cli train \ |
|
--stage sft \ |
|
--do_train True \ |
|
--model_name_or_path meta-llama/Meta-Llama-3-8B-Instruct \ |
|
--preprocessing_num_workers 16 \ |
|
--finetuning_type lora \ |
|
--template llama3 \ |
|
--flash_attn auto \ |
|
--dataset_dir {data_dir} \ |
|
--dataset {dataset_name} \ |
|
--cutoff_len 1024 \ |
|
--learning_rate 5e-05 \ |
|
--num_train_epochs 2.0 \ |
|
--max_samples 400000 \ |
|
--per_device_train_batch_size 8 \ |
|
--gradient_accumulation_steps 8 \ |
|
--lr_scheduler_type cosine \ |
|
--max_grad_norm 1.0 \ |
|
--logging_steps 50 \ |
|
--save_steps 1000 \ |
|
--warmup_steps 1000 \ |
|
--optim adamw_torch \ |
|
--resize_vocab True \ |
|
--packing False \ |
|
--report_to none \ |
|
--output_dir {output_dir} \ |
|
--fp16 True \ |
|
--plot_loss True \ |
|
--ddp_timeout 180000000 \ |
|
--include_num_input_tokens_seen True \ |
|
--lora_rank 8 \ |
|
--lora_alpha 16 \ |
|
--lora_dropout 0.05 \ |
|
--lora_target all |
|
``` |
