This is a low rank finetune to add support for chatml template. While the template does not affect model performance, it would be nice to support chatml since most of models based on Mistral already using it.
The format looks like this:
<|im_start|>system
Provide some context and/or instructions to the model.
<|im_end|>
<|im_start|>user
The user’s message goes here
<|im_end|>
<|im_start|>assistant
How to use it
The recommended way is to use the GGUF vistral-7b-chatml-Q4_K_M.gguf file included in this repository. Run it via llama.cpp (remember to pass -cml argument to use chatml template)
./main -m vistral-7b-chatml-Q4_K_M.gguf -p "Bạn là một trợ lí Tiếng Việt nhiệt tình và trung thực." -cml
Additionally, you can run the python3 run.py inside this repository to try the model using transformers library. This it not the recommended way since you may need to change some params inside in order to make it work.
This is an example of a conversation using llama.cpp:
<|im_start|>system
Bạn là một trợ lí Tiếng Việt nhiệt tình và trung thực.<|im_end|>
<|im_start|>user
xin chào
Tôi là một trợ lý AI được tạo ra để hỗ trợ con người. Bạn có câu hỏi gì về chủ đề nào đó?<|im_end|>
trợ lý AI là gì? bạn giải thích được không?
Trợ lý AI là một chương trình máy tính sử dụng trí tuệ nhân tạo và học máy để hỗ trợ con người trong nhiều công việc khác nhau. Nó có thể hiểu và xử lý ngôn ngữ tự nhiên, nhận biết hình ảnh và âm thanh cũng như đưa ra các đề xuất hay câu trả lời phù hợp cho các yêu cầu của bạn.<|im_end|>
ồ, cảm ơn, vậy bạn có thể làm gì?
Tôi được thiết kế để giúp đỡ con người trong nhiều công việc như giải đáp các câu hỏi, trả lời những vấn đề liên quan đến cuộc sống hàng ngày của họ. Tôi cũng hỗ trợ nghiên cứu và phân tích dữ liệu để đưa ra dự đoán hay tư vấn cho doanh nghiệp hoặc cá nhân.<|im_end|>
tức là sao?
Ví dụ, nếu bạn đang thắc mắc về một chủ đề nào đó và không biết phải bắt đầu tìm kiếm ở đâu hay làm thế nào để hiểu rõ hơn về nó thì tôi có thể giúp bạn. Tôi cũng có khả năng đọc và phân tích dữ liệu từ nhiều nguồn khác nhau như các tài liệu nghiên cứu khoa học hoặc thông tin trên mạng xã hội, sau đó đưa ra những giải thích chi tiết cho vấn đề của bạn.<|im_end|>
Training
You can also look at the training code in the finetune.py file.
For tokenizer, I changed these things:
Token [INST] to <|im_start|>, make it become special token
Token [/INST] to <|im_end|>, make it become special token
Change to eos_token to <|im_end|>
Update chat_template to chatml, taken from this example
Additionally, there is a checkpoint file in my repository if you want to merge the LORA yourself.
More information
Disclaimer: I'm not expert in machine learning, my background is from cybersecurity so the making of this model is a "hobby" to me. Training is done using a VPS on Google Cloud, I paid with my own money.
If you want to discuss, feel free to contact me at contact at ngxson dot com - ngxson.com
