!pip install -U bitsandbytes
!pip install -U transformers
!pip install -U accelerate
!pip install -U datasets
!pip install -U peft

from transformers import (
    AutoModelForCausalLM,
    AutoTokenizer,
    BitsAndBytesConfig,
)
from peft import PeftModel
import torch
from tqdm import tqdm
import json

# Hugging Faceで取得したTokenをこちらに貼る。
HF_TOKEN = "your_token"

# ベースとなるモデルと学習したLoRAのアダプタ。
model_id = "llm-jp/llm-jp-3-13b"
adapter_id = "morizon/llm-jp-3-13b_mix_30000_1209"

# QLoRA config
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16,
)

# Load model
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    quantization_config=bnb_config,
    device_map="auto",
    token = HF_TOKEN
)

# Load tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, token = HF_TOKEN)

# 元のモデルにLoRAのアダプタを統合。
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)

# モデルを評価モード（推論モード）に切り替える
model.eval()

# データセットの読み込み。
datasets = []
with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
    item = ""
    for line in f:
      line = line.strip()
      item += line
      if item.endswith("}"):
        datasets.append(json.loads(item))
        item = ""


# システムプロンプト（固定の指示）
system_prompt = """
あなたはユーザが知りたいことを正確に把握し、的確に回答するアシスタントです。
1. 指示に従う際は、必ずその内容を完全に理解し、結論を優先的に考慮するように心掛けてください。
2. 問題の解答となる根拠は、常に文章内から探し出すようにして下さい。
3. 指示から主要な情報と詳細を抽出し、要点を漏らさず回答することを重視して下さい。
4. 回答のトーンやスタイルは、与えられたテーマや質問に合わせて柔軟に調整して下さい。
5. 回答を作成した後は、必ず推敲を行い、誤りや曖昧さがないかどうか確認して下さい。
"""

results = []

# データセットの処理
for data in tqdm(datasets):

    input_text = data["input"]

    # プロンプトの構築（システムプロンプト + ユーザー入力）
    prompt = f"""### 指示
{system_prompt}

{input_text}
### 回答
"""

    # トークナイズ
    tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
    attention_mask = torch.ones_like(tokenized_input)

    # 推論パラメータの設定
    max_new_tokens = 1024
    do_sample = True
    top_p = 0.95
    temperature = 0.7
    repetition_penalty = 1.05

    # 推論実行
    with torch.no_grad():
        outputs = model.generate(
            tokenized_input,
            attention_mask=attention_mask,  # attention_maskを明示的に指定
            max_new_tokens=max_new_tokens,
            do_sample=do_sample,
            top_p=top_p,
            temperature=temperature,
            repetition_penalty=repetition_penalty,
            pad_token_id=tokenizer.eos_token_id
        )[0]

    # 出力の整形
    output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)

    # 結果を表示
    print(f"Task ID: {data['task_id']}\nInput: {input_text}\nOutput: {output}\n{'-'*50}")

    # 結果の保存
    results.append({"task_id": data["task_id"], "input": input_text, "output": output})

import re
jsonl_id = re.sub(".*/", "", adapter_id)
with open(f"./{jsonl_id}-outputs.jsonl", 'w', encoding='utf-8') as f:
    for result in results:
        json.dump(result, f, ensure_ascii=False)  # ensure_ascii=False for handling non-ASCII characters
        f.write('\n')