TWLLM Tutor

Taiwan-llm Tutor: Model Bahasa Besar untuk Pendidikan Menengah Taiwan

Pengaturan

Conda

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

Lingkungan 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

Dataset

Dataset GSAT

Dataset Sosial GSAT asli diunduh dari situs web GSAT.

Dataset	Tahun	Jumlah pertanyaan
train_gsat_social	83-107	1221
valid_gsat_history	108-112	97
valid_gsat_civics	108-112	79
valid_gsat_social	108-112	213

Untuk mengunduh set pelatihan sosial GSAT, Anda dapat menjalankan perintah:

bash scripts/download_data.sh

Pertanyaan dataset bank

Dataset	Jumlah pertanyaan
train_qb_geography	312
train_qb_history	9000
train_qb_civics	2035
train_qb_social	11347
valid_qb_history	205

Struktur file

 ./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

Format data

 {
        "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": ""
},

Konfigurasi

Untuk menghasilkan konfigurasi, Anda dapat menjalankan perintah:

 python generate_config.py

Pelatihan

Fine-Tune China-Bert

• China-Bert untuk pilihan ganda
• Visi-Bert untuk Pilihan Ganda

Untuk menyempurnakan Chinese-Bert, Anda dapat menjalankan perintah:

bash scripts/run_train_bert.sh

Fine-tune Taiwan-llm

Untuk mengunduh berat pra-train Taiwan-LLM-7B, Anda dapat menjalankan perintah:

bash scripts/download_model_weight.sh

Adaptor Qlora

• Penyetelan instruksi

FINETUNE_METHOD=qlora_instruction_tuning bash scripts/run_train_twllm.sh

• Pilihan ganda

FINETUNE_METHOD=qlora_multiple_choice bash scripts/run_train_twllm.sh

Adaptor LoftQ

• Kuantize Model untuk LoftQ

bash scripts/run_quantize_twllm_loftq.sh

• Penyetelan instruksi

FINETUNE_METHOD=loftq_instruction_tuning bash scripts/run_train_twllm.sh

• Pilihan ganda

FINETUNE_METHOD=loftq_multiple_choice bash scripts/run_train_twllm.sh

Pengujian

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

Contoh tanya jawab GSAT

Pertanyaan	Tutor Taiwan-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 ， 同時也運來綢緞、布帛等貨品來臺銷售。請問 ： 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。✅	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 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 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。
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 ， ， ， ， 留下大片無主荒田；第二 ， 許多農民為躲避戰禍 ， ， ， ， ， 成為不事生產的游民；第三 ， 農民投靠大戶士族 ， 「五十三十家方為一戶」 ， 只向其宗主貢獻 ， ， 透過計口授田 ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ，	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。 n (a) 與資料無關。 n (b) 與資料無關。 n (d) 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，用類似「萬船齊發戰術」進攻海南島，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，但沒有多久就取消這項計畫。最可能的原因是：A.共軍軍備及船隻有限，已經無法再負擔長期作戰 B.共軍顧忌金門兵力強大，寧可保持戰果故而避戰 C.韓戰爆發，美國宣布派遣第七艦隊協助臺灣防務 D.臺灣實施戒嚴，共軍乃轉以心戰策略來瓦解國軍。	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。✅	A. 軍軍備及船隻有限 ， 已經無法再負擔長期作戰 原因 ： 1949 年 10月 ， 軍對金門發動攻擊 ， 但遭到守軍擊退。隨後 ， ， 軍又進攻海南島並攻占廣東萬山群島。然而 ， ， 軍的軍備和船隻有限 軍的軍備和船隻有限 ， ， ， 尤其在面對金門守軍強大的情況下。 軍可能決定將資源用於其他地區或其他策略 ， ， B. 軍顧忌金門兵力強大、 c. 韓戰爆發, ...

OS dan perangkat keras

Eksperimen dilakukan pada komputer pribadi yang dilengkapi dengan GPU NVIDIA GEFORCE RTX 4090 tunggal dengan VRAM 24 GB, dan konfigurasi server yang menampilkan GPU RTX A6000 tunggal dengan 49 GB VRAM.

Ucapan Terima Kasih

• Taiwan-llm
• Transformer
• Loftq
• Repositori Lion-Pytorch

Kutipan

 @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 }
}