Qwen2.5-14B-Instruct-GPTQ-Int4 - Qwen2.5具备大规模多语言处理与长文本生成能力

项目介绍：Qwen2.5-14B-Instruct-GPTQ-Int4

项目背景

Qwen2.5是最新推出的一系列大型语言模型，其中包含一系列基础语言模型和经过指令调整的语言模型，参数规模从0.5亿到72亿不等。Qwen2.5相比之前的版本Qwen2，带来了多个方面的显著改进：

知识储备更为丰富，尤其擅长编程和数学领域的问题，得益于在这些领域中的专门专家模型。
在指令执行、长文本生成（超过8000个标记）、结构化数据理解（如表格）、尤其在JSON格式的结构化输出生成方面表现显著提升。模型对于系统提示的多样性有更好的适应性，提升了角色扮演和条件设定能力。
支持长文本上下文，上下文长度支持到128,000个标记，生成文本的上限为8,000个标记。
支持超过29种语言的多语言处理，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。

项目特点

这个项目包含了一个经过GPTQ量化的4-bit指令调整模型，具有以下特点：

类型：因果语言生成模型
训练阶段：预训练及后期调整
架构：采用带有RoPE、SwiGLU、RMSNorm和Attention QKV偏置的transformers架构
参数数量：14.7亿，总参数中非嵌入参数为13.1亿
层数：48层
注意力头数（GQA）：对于Q为40，对于KV为8
上下文长度：完整支持131,072个标记，生成支持8,192个标记
量化：GPTQ 4-bit

使用说明

Qwen2.5的代码已集成到最新版本的Hugging Face transformers库中，建议使用最新版以避免错误。此外，用户可以查阅我们的GPTQ文档获取详细使用指南。

以下是一个快速开始的代码示例，展示了如何加载tokenizer和模型并生成内容：

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "Qwen/Qwen2.5-14B-Instruct-GPTQ-Int4"
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)
prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "system", "content": "You are Qwen, created by Alibaba Cloud. 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(model.device)
generated_ids = model.generate(
    **model_inputs,
    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]

长文本处理

当前的config.json配置用于支持最大32,768个标记的上下文。为了处理超过32,768标记的输入，我们使用了YaRN技术，增强模型在长文本上的性能。

如果需要处理长文本，可以在config.json中添加以下配置来启用YaRN:

{
  ...,
  "rope_scaling": {
    "factor": 4.0,
    "original_max_position_embeddings": 32768,
    "type": "yarn"
  }
}

评价与性能

关于量化模型和原始bfloat16模型的性能对比，请参阅相关基准测试结果。对于GPU内存需求和相应的吞吐量，请查看速度基准测试结果。

引用

如果您觉得我们的工作有帮助，欢迎引用我们的研究。

@misc{qwen2.5,
    title = {Qwen2.5: A Party of Foundation Models},
    url = {https://qwenlm.github.io/blog/qwen2.5/},
    author = {Qwen Team},
    month = {September},
    year = {2024}
}