AlphaMonarch-7B - 多功能7B模型，优化智能文本生成

AlphaMonarch-7B 项目介绍

AlphaMonarch-7B 是一个融合多个顶级模型优点的语言模型，提升了推理能力并显著增强了对话能力。这款 7B 参数模型代表了优秀传统与创新结合的成果。

项目背景

AlphaMonarch-7B 是基于 mlabonne/NeuralMonarch-7B 模型，通过 DPO（差分隐私优化）微调改进而成，并使用来自 Argilla 的 OpenHermes2.5-dpo-binarized-alpha 数据集进行偏好微调。该模型通过 LazyMergekit 工具整合了以下模型的优点：

OmniTruthyBeagle-7B-v0
NeuBeagle-7B
NeuralOmniBeagle-7B

特别感谢 Jon Durbin、Intel、Argilla 和 Teknium 提供的偏好数据集。

应用领域

AlphaMonarch-7B 支持应用于多种场景，如对话、角色扮演（RP）和故事创作。其严谨的推理能力加上灵活的对话能力，使其成为7B模型中的佼佼者。用户可以根据自己的需求，通过调整提示语来改变模型的文风。

量化模型

感谢 LoneStriker 提供的 GPTQ、AWQ 和 EXL2 型号量化版本。以下是相关链接：

性能评估

AlphaMonarch-7B 在多个基准测试中表现优异。具体测试结果如下：

AI2推理挑战（25-Shot）：标准化准确率 73.04%
HellaSwag（10-Shot）：标准化准确率 89.18%
MMLU（5-Shot）：准确率 64.4%
TruthfulQA（0-Shot）：准确率 77.91%
Winogrande（5-Shot）：准确率 84.69%
GSM8k（5-Shot）：准确率 66.72%

使用方法

用户可以通过 Python 函数调用，以便简便地集成这个模型：

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "mlabonne/AlphaMonarch-7B"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

AlphaMonarch-7B 通过敏捷开发、深度优化，以及数以千计的数据样本调配推动了人工智能语言模型领域的发展，为各类语言处理任务提供了强有力的支持。