Qwen2.5-14B-Instruct-AWQ
简介
Qwen2.5是Qwen大语言模型的最新系列。针对Qwen2.5，我们发布了一系列基础语言模型和指令微调语言模型，参数量从0.5亿到720亿不等。相较于Qwen2，Qwen2.5带来了以下改进：
模型卡片
模型配置
模型详情
已翻译Qwen2.5-14B-Instruct-AWQ
简介
Qwen2.5 是 Qwen 大型语言模型的最新系列。针对 Qwen2.5，我们发布了一系列基础语言模型和指令微调语言模型，参数规模从 0.5B 到 72B 不等。与 Qwen2 相比，Qwen2.5 带来了以下改进：
- 知识储备显著增强，并在编程和数学领域的能力大幅提升，这得益于我们在这些领域的专用专家模型。
- 指令遵循、长文本生成（超过 8K tokens）、结构化数据理解（例如表格）以及结构化输出生成（尤其是 JSON）方面取得显著进步。对系统提示的多样性更具鲁棒性，增强了聊天机器人的角色扮演实现和条件设定能力。
- 长上下文支持，最高可达 128K tokens，并可生成最多 8K tokens。
- 多语言支持，涵盖超过 29 种语言，包括中文、英文、法文、西班牙文、葡萄牙文、德文、意大利文、俄文、日文、韩文、越南文、泰文、阿拉伯文等。
本仓库包含 AWQ 量化后的 4-bit 指令微调 72B Qwen2.5 模型，具有以下特性：
- 类型：因果语言模型
- 训练阶段：预训练与后训练
- 架构：基于 transformers，包含 RoPE、SwiGLU、RMSNorm 和 Attention QKV bias
- 参数数量：14.7B
- 参数数量（非 Embedding）：13.1B
- 层数：48
- 注意力头数（GQA）：Q 为 40，KV 为 8
- 上下文长度：完整 131,072 tokens，生成 8192 tokens
- 关于如何部署 Qwen2.5 以处理长文本的详细说明，请参考此章节。
- 量化方式：AWQ 4-bit
环境要求
Qwen2.5 的代码已集成到最新的 Hugging Face transformers 中，建议您使用最新版本的 transformers。
如果使用 transformers<4.37.0，您将遇到以下错误：
KeyError: 'qwen2'
更多使用指南，请查看我们的 AWQ 文档。
快速开始
以下代码片段使用 apply_chat_template 演示了如何加载 tokenizer 和模型，以及如何生成内容。
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "Qwen/Qwen2.5-14B-Instruct-AWQ"
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
)
generated_ids = [
output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
处理长文本
当前的 config.json 设置为支持最长 32,768 tokens 的上下文长度。
为了处理超过 32,768 tokens 的广泛输入，我们采用 YaRN 技术来增强模型长度外推能力，确保在长文本上获得最佳性能。
对于支持的框架，您可以在 config.json 中添加以下内容以启用 YaRN：
{
...,
"rope_scaling": {
"factor": 4.0,
"original_max_position_embeddings": 32768,
"type": "yarn"
}
}
对于部署，我们推荐使用 vLLM。
如果您不熟悉 vLLM，请参考我们的文档了解使用方法。
目前，vLLM 仅支持静态 YaRN，这意味着缩放因子不随输入长度变化，可能会影响短文本的性能。
我们建议仅在需要处理长上下文时才添加 rope_scaling 配置。
评估与性能
详细的评估结果已在 📑 博客 中报告。
关于量化模型与原始 bfloat16 模型的基准测试结果，请参见此处。
关于 GPU 内存需求和相应吞吐量的结果，请参见此处。
引用
如果您觉得我们的工作有帮助，欢迎引用我们。
@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}
}
@article{qwen2,
title={Qwen2 Technical Report},
author={An Yang and Baosong Yang and Binyuan Hui and Bo Zheng and Bowen Yu and Chang Zhou and Chengpeng Li and Chengyuan Li and Dayiheng Liu and Fei Huang and Guanting Dong and Haoran Wei and Huan Lin and Jialong Tang and Jialin Wang and Jian Yang and Jianhong Tu and Jianwei Zhang and Jianxin Ma and Jin Xu and Jingren Zhou and Jinze Bai and Jinzheng He and Junyang Lin and Kai Dang and Keming Lu and Keqin Chen and Kexin Yang and Mei Li and Mingfeng Xue and Na Ni and Pei Zhang and Peng Wang and Ru Peng and Rui Men and Ruize Gao and Runji Lin and Shijie Wang and Shuai Bai and Sinan Tan and Tianhang Zhu and Tianhao Li and Tianyu Liu and Wenbin Ge and Xiaodong Deng and Xiaohuan Zhou and Xingzhang Ren and Xinyu Zhang and Xipin Wei and Xuancheng Ren and Yang Fan and Yang Yao and Yichang Zhang and Yu Wan and Yunfei Chu and Yuqiong Liu and Zeyu Cui and Zhenru Zhang and Zhihao Fan},
journal={arXiv preprint arXiv:2407.10671},
year={2024}
}
正在翻译中，请稍候...