Project Icon

sarashina2-7b

该语言模型支持多语言文本生成,涵盖日语与英语

该项目的语言模型由SB Intuitions开发,支持日语和英语文本生成。训练数据来自清理后的Common Crawl和SlimPajama语料库,结合了Llama2架构和RoPE位置编码。尽管模型尚未经过指令微调,存在生成不准确或有偏见内容的可能性,但模型的基础能力为开发者提供了进一步优化和安全改进的空间。

Sarashina2-7B项目介绍

项目背景

Sarashina2-7B是由SB Intuitions所训练的一种大型语言模型。这个模型旨在支持多种语言,包括日语和英语,帮助用户通过自然语言处理技术实现更智能化的文本生成任务。Sarashina2-7B能够用于广泛的应用场景,从日常对话到复杂文本生成。

如何使用

用户可以通过Python编程语言来使用Sarashina2-7B模型。以下是一个简单的代码示例,展示了如何加载和使用这个语言模型:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline, set_seed
 
model = AutoModelForCausalLM.from_pretrained("sbintuitions/sarashina2-7b", torch_dtype=torch.bfloat16, device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("sbintuitions/sarashina2-7b")
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)
set_seed(123)

text = generator(
    "おはようございます、今日の天気は",
    max_length=30,
    do_sample=True,
    pad_token_id=tokenizer.pad_token_id,
    num_return_sequences=3,
)

for t in text:
  print(t)

在这个例子中,模型可以生成关于天气的多种可能性输出,从而展示其语言生成能力。

配置参数

Sarashina2-7B采用了Llama2架构,具有以下配置:

  • 词汇表大小:102400
  • 训练用词数:2.1万亿
  • 位置类型:RoPE
  • 层数:32
  • 隐藏层维度:4096
  • 注意力头数:32

除了7B版本,还有更大体量的13B和70B版本供不同需求的用户选择。

训练语料

为构建高质量的模型,Sarashina2-7B利用了从Common Crawl语料库提取的日语数据和来自SlimPajama的英语资料作为训练数据集。为了确保数据的干净和有效,使用了CCNet和HojiChar进行数据清洗。清洗后的日语数据包含约1万亿个词。

分词技术

模型使用了SentencePiece分词器,支持一元语法模型和字节回退,并不使用日语的预分词方法,这意味着用户可以直接输入原始的日语句子进行处理。

道德考量与限制

当前,sarashina2尚未经过指导调校,因此可能会生成无意义的句子或带有偏见的内容。开发者在使用前应当考虑进一步基于人类偏好和安全考虑进行调校,以改善模型的生成质量与安全性。

使用许可

该项目使用MIT开源许可证,用户可以根据许可证内容自由使用和分发。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号