Jlama - 面向Java应用的大型语言模型推理引擎

Jlama 项目介绍

项目简介

Jlama 是一个现代化的 Java 推理引擎，专用于运行大型语言模型（LLM）。它的设计目的是直接将语言模型推理功能集成到 Java 应用程序中。这一项目以其强大的模型支持和出色的性能优化，为 Java 开发者提供了一种高效利用大型语言模型的途径。

支持的模型

Jlama 支持广泛的语言模型，包括：

Gemma 和 Gemma 2 模型
Llama、Llama2 和 Llama3 模型
Mistral 和 Mixtral 模型
Qwen2 模型
IBM Granite 模型
GPT-2 模型
BERT 模型

此外，Jlama 还支持 BPE 和 WordPiece 分词器。

功能亮点

Jlama 集成了多种先进的功能：

分页注意力机制
专家混合（Mixture of Experts）技术
工具调用
生成嵌入
分类器支持
支持 Huggingface 的 SafeTensors 模型和分词器格式
支持 F32、F16 和 BF16 等数据类型
Q8 和 Q4 模型量化支持
快速的 GEMM 操作
分布式推理功能

Jlama 需要 Java 20 或更高版本，并利用新的 Vector API 提高推理速度。

使用场景

Jlama 可以直接在 Java 应用程序中添加 LLM 推理功能，为开发者提供了在应用中嵌入大型语言模型的便利途径。

快速入门

本地客户端使用

Jlama 提供了一个简单易用的命令行工具，借助 jbang，用户可以快速运行和测试模型。

首先，安装 jbang：

curl -Ls https://sh.jbang.dev | bash -s - app setup

然后，安装 Jlama CLI：

jbang app install --force jlama@tjake

安装完成后，可以下载模型并与之互动：

jlama restapi tjake/Llama-3.2-1B-Instruct-JQ4 --auto-download

打开浏览器访问 http://localhost:8080/ 即可查看界面。

Jlama 支持的命令包括模型推理、分布式推理等功能，用户可以根据需求选择合适的命令进行操作。

集成到 Java 项目中

将 Jlama 嵌入到 Java 项目中非常简单。用户可以通过 Maven 添加 Jlama 的依赖：

<dependency>
  <groupId>com.github.tjake</groupId>
  <artifactId>jlama-core</artifactId>
  <version>${jlama.version}</version>
</dependency>
<dependency>
  <groupId>com.github.tjake</groupId>
  <artifactId>jlama-native</artifactId>
  <classifier>${os.detected.name}-${os.detected.arch}</classifier>
  <version>${jlama.version}</version>
</dependency>

启用 Java 21 预览功能以支持 Jlama：

export JDK_JAVA_OPTIONS="--add-modules jdk.incubator.vector --enable-preview"

通过这些步骤，开发者可以在项目中使用 Jlama 提供的模型类来运行模型。

项目未来计划

Jlama 计划支持更多的模型和功能，例如 LoRA 和 GraalVM 支持，并持续优化分布式推理能力。

许可和引用

Jlama 的代码采用 Apache 许可证（Apache License）发布。如果在研究中使用了该项目，请进行引用：

@misc{jlama2024,
    title = {Jlama: A modern Java inference engine for large language models},
    url = {https://github.com/tjake/jlama},
    author = {T Jake Luciani},
    month = {January},
    year = {2024}
}