TWLLM Tutor

Tutor de Taiwan-LLM: modelos de idiomas grandes para la educación secundaria taiwanesa

Configuración

Condición

 conda create --name twllm_tutor python=3.10.0
source activate twllm_tutor
pip install -r envs/requirements.txt

Entorno virtual

 virtualenv --python=python3.10.0 twllm_tutor
source twllm_tutor/bin/activate
pip install -r envs/requirements.txt

Pyenv

 pyenv install 3.10.0
pyenv virtualenv 3.10.0 twllm_tutor
pip install -r envs/requirements.txt

Conjunto de datos

Conjunto de datos GSAT

El conjunto de datos social GSAT original se descarga del sitio web de GSAT.

Conjunto de datos	Año	Número de preguntas
Train_GSAT_SOCIAL	83-107	1221
válido_gsat_history	108-112	97
válido_gsat_civics	108-112	79
válido_gsat_social	108-112	213

Para descargar el conjunto de entrenamiento social GSAT, puede ejecutar el comando:

bash scripts/download_data.sh

Conjunto de datos del banco de preguntas

Conjunto de datos	Número de preguntas
Train_QB_Geography	312
Train_QB_History	9000
Train_QB_Civics	2035
Train_QB_Social	11347
válido_qb_history	205

Estructura de archivo

 ./data
   |─ raw_data
   |   |─ GSAT_social  # Public is for data we consider publishable (without copyright issues, etc).
   |   └─ QB_social    # Private is for data we don't want to publish (For future extensions).
   └─ train_data
       |- GSAT_social
       |- GSAT_social_with_image
       └─ QB_social

Formato de datos

 {
        "subject": "social_study",
        "year": "83",
        "id": 1,
        "type": "single",
        "question": "孫中山先生認為造成中國人像一盤散沙，民族不夠團結的主因為何",
        "A": "任外族帝制專斷的統治下，人民喪失了關心公共事務的能力",
        "B": "異族的征服者過於強大，中國人團結也沒用",
        "C": "中國入的家族觀念過於發達",
        "D": "過早提倡天下一家的世界主義",
        "answer": "A",
        "answer_details": ""
},

Configuración

Para generar la configuración, puede ejecutar el comando:

 python generate_config.py

Capacitación

Fino afinado chino-bert

• Chino-bert para opciones múltiples
• Vision-Bert para opción múltiple

Para ajustar al chino-bert, puede ejecutar el comando:

bash scripts/run_train_bert.sh

Tango de fino Taiwán-llm

Para descargar el peso de pre-entrenamiento Taiwan-LLM-7B, puede ejecutar el comando:

bash scripts/download_model_weight.sh

Adaptador de qlora

• Ajuste de instrucciones

FINETUNE_METHOD=qlora_instruction_tuning bash scripts/run_train_twllm.sh

• Opción múltiple

FINETUNE_METHOD=qlora_multiple_choice bash scripts/run_train_twllm.sh

Adaptador loftq

• Modelo de cuantificación para loftq

bash scripts/run_quantize_twllm_loftq.sh

• Ajuste de instrucciones

FINETUNE_METHOD=loftq_instruction_tuning bash scripts/run_train_twllm.sh

• Opción múltiple

FINETUNE_METHOD=loftq_multiple_choice bash scripts/run_train_twllm.sh

Pruebas

python test.py --checkpoint_path < path of checkpoint > 

Ejemplo de preguntas y respuestas de GSAT

Pregunta	Tutor de Taiwán-LLM	Chatgpt
你是一名人工智慧家教 ， 以下的題目為高中社會科 ， 請根據題目提供使用者正確答案的選項 A 或 B 或 C 或 D。十九世紀前期 ， 張三從寧波來艋舺採購樟腦 ， 計畫運回浙江、上海銷售 ， ： ： 張三最可能委託下列哪個組織運送這批貨物？ A. 東印度公司 B. 北郊 C. 怡和洋行 D. 三井會社	B. 北郊 ： ： 當時臺北港的北郊商人常兼職貿易商 對於貨物的運送和買賣多半有涉獵。✅ 對於貨物的運送和買賣多半有涉獵。✅	C. 怡和洋行 ： ： 在十九世紀前期 ， 張三要將樟腦、綢緞、布帛等貨品運送回浙江和上海銷售 最可能委託的組織是怡和洋行。怡和洋行是一家在 最可能委託的組織是怡和洋行。怡和洋行是一家在 19 世紀初期在華南地區經營貿易的外國商行 ， 主要從中國向其他國家運送貨物。因此 ， 怡和洋行是最可能協助張三運送這批貨物的組織。其他選項 如 如 A. 東印度公司、 b. 北郊、 d. 三井會社 都不太可能參與這個情境中的貨物運送。 都不太可能參與這個情境中的貨物運送。
你是一名人工智慧家教 ， 以下的題目為高中社會科 ， ， 請根據題目提供使用者正確答案的選項 a 或 b 或 c 或 d。學者指出 ： 北魏實行均田法的背景 ， ， 第一 ， 因戰亂的傷亡及遷徙 ， 留下大片無主荒田；第二 ， 許多農民為躲避戰禍 逃離農村 ， 流落城市 ， ， ， 農民投靠大戶士族 ， 「五十三十家方為一戶」 ， 只向其宗主貢獻 ， 不必向政府納稅。均田法的實施是結合戶籍的清查及管理 ， 透過計口授田 ， 使農業勞動力與耕地達到合理配合 以恢復生產 以恢復生產 ， 建立小農社會。根據上述 ： ： ： 保全士族特權 保全士族特權 重建編戶稅基 重建編戶稅基 重建編戶稅基 重建編戶稅基 重建編戶稅基 推行漢化運動 透過計口授田 透過計口授田 透過計口授田 透過計口授田 以恢復生產 以恢復生產 ， ：.	C. 重建編戶稅基 ： ： 北魏均田法的實施 ， 使農民戶籍清查並管理 ， 透過計口授田 ， 使農業勞動力與耕地達到合理配合 ， 以恢復生產 重建編戶稅基。 重建編戶稅基。 n (a) 與資料無關。 n (b) 與資料無關。 n (d) 與資料無關。✅ 與資料無關。✅	A. 限制土地兼併 ： ： 根據提供的資訊 ， 北魏實行均田法的背景包括大片無主荒田、許多農民流落城市成為游民、農民投靠大戶士族等情況。均田法的實施主要目的是限制土地兼併 通過計口授田 ， 確保農業勞動力和土地之間的合理配合 ， 防止土地被少數大戶士族壟斷 ， 促進農業生產 ， 建立小農社會。因此 ， a. 限制土地兼併是最合適的答案。
你是一名人工智慧家教 ， 以下的題目為高中社會科 ， 請根據題目提供使用者正確答案的選項 a 或 b 或 c 或 d。 1949 年 10月 ， 共軍集中船隻對金門發動攻擊 ， 遭守軍擊退。 1950 年 3 月 ， 共軍又集結大批兵力 ， ， 迫使當地國軍撤守； 迫使當地國軍撤守； 5月底更攻占廣東萬山群島。 共軍原本預定隨後再度對金門發動攻擊 ， ： ： a. 軍軍備及船隻有限 ， 已經無法再負擔長期作戰 軍顧忌金門兵力強大 軍顧忌金門兵力強大 ， 韓戰爆發 ， 共 共.	C. 韓戰爆發 ， 美國宣布派遣第七艦隊協助臺灣防務 原因 ： 韓戰爆發後 ， 美國宣布派遣第七艦隊協助臺灣防務 因此 軍暫緩對金門的攻擊。✅ 共軍暫緩對金門的攻擊。✅	A. 共軍軍備及船隻有限 ， 已經無法再負擔長期作戰 ： ： 1949 年 10月 ， 共軍對金門發動攻擊 ， 但遭到守軍擊退。隨後 共軍又進攻海南島並攻占廣東萬山群島。然而 ， 最可能的原因取消對金門的再次攻擊計畫是因為 共軍的軍備和船隻有限 ， ， 尤其在面對金門守軍強大的情況下。 共軍可能決定將資源用於其他地區或其他策略 ， 因為攻擊金門可能會導致更大的損失。其他選項如 B. 共軍顧忌金門兵力強大、 c. 韓戰爆發 ， ...

Sistema operativo y hardware

Los experimentos se realizaron en una computadora personal equipada con una sola GPU NVIDIA GeForce RTX 4090 con 24 GB de VRAM, y una configuración del servidor con una sola GPU RTX A6000 con 49 GB de VRAM.

Expresiones de gratitud

• Taiwán-llm
• transformadores
• Loftq
• repositorio de lion-pytorch

Citación

 @misc { liao2023twllmtutor ,
    title  = { Taiwan-LLM Tutor: Large Language Models for Taiwanese Secondary Education } ,
    author = { Jia-Wei Liao, Ji-Jia Wu, Kun-Hsiang Lin, Kang-Yang Huang } ,
    url    = { https://github.com/jwliao1209/TWLLM-Tutor } ,
    year   = { 2023 }
}