Create README.md

README.md

@@ -0,0 +1,75 @@
+---
+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）
+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。
+
+```
+{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:
+```
+
+## 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 epochs
+- 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