Qwen1.5-1.8B-Chat - 跨语言能力与性能优化的前沿语音模型

Qwen1.5-1.8B-Chat项目介绍

项目背景

Qwen1.5-1.8B-Chat是一个基于Transformer结构的解码器语言模型，这个版本是即将发布的Qwen2的测试版。为了提升模型的性能和适用性，Qwen1.5在多方面进行了改进：包括扩展到8个不同规模的模型、显著改善了对话模型的人机互动表现、多语言支持以及更长的上下文处理能力。

模型详细信息

Qwen1.5系列包括多种尺寸的解码器语言模型，每个尺寸的模型都提供了基础语言模型和调整后的聊天模型。它基于Transformer架构，并使用了SwiGLU激活、注意力QKV偏置、组查询注意力等技术，结合滑动窗口注意力和全局注意力的混合模型。此外，改进的分词器能够适应多种自然语言和代码。

目前，测试版暂不包括GQA（除了32B模型）和SWA与全注意力的混合。

训练细节

Qwen1.5-1.8B-Chat模型是通过大量数据预训练的，后续还进行了监督细化和直接偏好优化以提高性能。

使用要求

Qwen1.5代码已集成到最新的Hugging Face Transformers中，建议安装版本transformers>=4.37.0，避免遇到与模型相关的错误。

快速开始

以下是如何使用apply_chat_template加载分词器和模型及生成内容的代码示例：

from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda"

model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen1.5-1.8B-Chat",
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-1.8B-Chat")

prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

对于量化模型，建议使用GPTQ、AWQ和GGUF量化模型的对应版本，即Qwen1.5-1.8B-Chat-GPTQ-Int4、Qwen1.5-1.8B-Chat-GPTQ-Int8、Qwen1.5-1.8B-Chat-AWQ和Qwen1.5-1.8B-Chat-GGUF。

使用技巧

如果在使用过程中遇到代码切换或其他问题，建议参考generation_config.json中提供的超参数进行调整。

引用

如果您觉得我们的工作有帮助，可以在您的作品中引用我们的技术报告。