from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "DataPilot/Arrival-32B-Instruct-v0.5"
tokenizer_name = ""

if tokenizer_name == "":
    tokenizer_name = model_name

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(tokenizer_name)

prompt = "9.9と9.11はどちらのほうが大きいですか？"
messages = [
    {"role": "system", "content": "あなたは優秀な日本語アシスタントです。問題解決をするために考えた上で回答を行ってください。"},
    {"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=1024
)
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]

print(response)

ベンチマーク

このモデルはELYZA-task100で4.63をマークしました。(評価にはGroqのllama3-70B-8192を使用しました。)

謝辞

モデルの作成者であるQwenチーム,karakuri_lmチーム,linkbricksチーム、評価モデルの作成者であるmeta社とAPIを公開しているGroq社、計算資源を貸していただいたVOLTMIND社に感謝を申し上げます。

merge config

yaml

merge_method: slerp
base_model: karakuri-ai/karakuri-lm-32b-thinking-2501-exp
models:
  - model: karakuri-ai/karakuri-lm-32b-thinking-2501-exp
  - model: Saxo/Linkbricks-Horizon-AI-Japanese-Base-32B
parameters:
  t: 0.35
dtype: bfloat16
name: DataPilot/Arrival-32B-Instruct-v0.5