|
--- |
|
license: apache-2.0 |
|
language: |
|
- ja |
|
datasets: |
|
- Aratako/Rosebleu-1on1-Dialogues |
|
- Aratako/LimaRP-augmented-ja-karakuri |
|
- Aratako/Bluemoon_Top50MB_Sorted_Fixed_ja |
|
- grimulkan/LimaRP-augmented |
|
- SicariusSicariiStuff/Bluemoon_Top50MB_Sorted_Fixed |
|
- OmniAICreator/Japanese-Roleplay |
|
- OmniAICreator/Japanese-Roleplay-Dialogues |
|
--- |
|
|
|
# Oumuamua-7b-instruct-v2-RP |
|
|
|
[nitky/Oumuamua-7b-instruct-v2](https://huggingface.co/nitky/Oumuamua-7b-instruct-v2)をロールプレイ用にLoRAでファインチューニングしたモデルです。 |
|
|
|
## プロンプトフォーマット |
|
以下のようなchat templateを利用してください。（Alpacaの改変版） |
|
|
|
``` |
|
{ロールプレイの指示、世界観・あらすじの説明、キャラの設定など} |
|
|
|
### 入力: |
|
こんにちは。 |
|
|
|
### 応答: |
|
こんにちは！</s> |
|
|
|
### 入力: |
|
今日はいい天気ですね。 |
|
|
|
### 応答: |
|
``` |
|
また、マルチターンの対話を行う場合、各ターンのアシスタントの応答の末尾にeos tokenを必ずつけてください。 |
|
|
|
## 学習の設定 |
|
RunpodでGPUサーバを借り、A6000x4で学習を行いました。学習データをクオリティの高いものと低いものに2分し、2段階に分けて学習しています。 |
|
|
|
### 1回目の学習 |
|
まず、比較的クオリティの低いデータセットで1回学習を行いました。 |
|
利用データセットは以下の通りです。 |
|
- [OmniAICreator/Japanese-Roleplay](https://huggingface.co/datasets/OmniAICreator/Japanese-Roleplay) |
|
- [OmniAICreator/Japanese-Roleplay-Dialogues](https://huggingface.co/datasets/OmniAICreator/Japanese-Roleplay) |
|
|
|
学習パラメータは以下の通りです。 |
|
- lora_r: 128 |
|
- lisa_alpha: 256 |
|
- lora_dropout: 0.05 |
|
- lora_target_modules: ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj", "lm_head"] |
|
- learning_rate: 2e-5 |
|
- num_train_epochs: 1 epoch |
|
- batch_size: 32 |
|
- max_seq_length: 4096 |
|
|
|
### 2回目の学習 |
|
次に、クオリティの高いデータセットで学習を行いました。この2回目の学習は、completion onlyな学習ではなく、instruction部分もloss計算に入れる手法を取り入れています。また、事前学習で使われるようなinstruction形式ではないデータセットも全体の20%程度混ぜています。 |
|
利用データセットは以下の通りです。 |
|
- [Aratako/Rosebleu-1on1-Dialogues-RP](https://huggingface.co/datasets/Aratako/Rosebleu-1on1-Dialogues-RP) |
|
- [Aratako/LimaRP-augmented-ja-karakuri](https://huggingface.co/datasets/Aratako/LimaRP-augmented-ja-karakuri) |
|
- [Aratako/Bluemoon_Top50MB_Sorted_Fixed_ja](https://huggingface.co/datasets/Aratako/Bluemoon_Top50MB_Sorted_Fixed_ja) |
|
- [grimulkan/LimaRP-augmented](https://huggingface.co/datasets/grimulkan/LimaRP-augmented) |
|
- [SicariusSicariiStuff/Bluemoon_Top50MB_Sorted_Fixed](https://huggingface.co/datasets/SicariusSicariiStuff/Bluemoon_Top50MB_Sorted_Fixed) |
|
- 事前学習用データ（instruction形式になっていないもの） |
|
|
|
学習パラメータは以下の通りです。 |
|
- lora_r: 128 |
|
- lisa_alpha: 256 |
|
- lora_dropout: 0.05 |
|
- lora_target_modules: ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj", "lm_head"] |
|
- learning_rate: 2e-5 |
|
- num_train_epochs: 3 epochs |
|
- batch_size: 32 |
|
- max_seq_length: 4096 |
