Qwen2.5-0.5B-Instruct-bnb-4bit - 提升多语言长文本生成与指令跟随能力，改善结构化数据处理

Qwen2.5-0.5B-Instruct-bnb-4bit 项目介绍

项目背景

Qwen2.5-0.5B-Instruct 是Qwen最新系列的大规模语言模型。该项目由Qwen团队精心打磨，结合了丰富的专业知识，特别是在编码和数学领域。Qwen2.5 系列模型从0.5亿到72亿的参数规模都有发布，包括基础语言模型和指令微调模型。

项目特点

Qwen2.5 相较于之前版本的改进包括：

知识大幅增加，并显著提升了编码和数学能力。
指令跟随能力的显著提高，有效生成长文本（超过8K tokens），并能理解和生成结构化数据（如表格和JSON格式），对系统提示的多样性有更强的适应性。
支持长上下文，能够处理多达128K tokens的内容，并生成最多8K tokens。
提供29种语言的多语言支持，包括中文、英文、法文、西班牙文、意大利文、俄文、日文、韩文、阿拉伯文等。

指导使用

Qwen2.5-0.5B-Instruct 是一种因果语言模型，采用由RoPE、SwiGLU、RMSNorm等技术构建的Transformer架构。模型具有24层结构，其中注意力头之数为：14个Q和2个KV。

项目需要使用最新版的Hugging Face transformers库，低于4.37.0版本将导致错误。

快速上手

以下是一个演示如何加载模型和tokenizer并生成内容的代码示例：

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen2.5-0.5B-Instruct"

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

项目的使用场景

Qwen2.5-0.5B-Instruct 主要适用于需要高效编码能力、复杂指令执行及多语言支持的场景。在生成长文本、处理复杂结构化数据等方面具有优异的表现，尤其适合于开发高级聊天机器人和多语言文本处理应用。

评价与性能

项目详细的评价结果和性能报告可以在官方博客、GitHub 和文档中查阅。

引用

如果本项目对您的研究或工作有所帮助，请参考以下引用：

@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}
}