RULM 学习资料汇总 - 俄语语言建模与指令微调项目

RULM 项目简介

RULM (Russian Language Modeling)是一个致力于俄语语言建模和指令微调的开源项目。该项目由 Ilya Gusev 主导开发,旨在为俄语自然语言处理提供高质量的语言模型和数据集。

RULM 项目的主要特点包括:

• 提供了多个针对俄语优化的大型语言模型
• 发布了多个高质量的俄语指令微调数据集
• 进行了全面的模型评测和对比实验
• 开源了模型训练和推理的相关代码

下面我们来详细了解 RULM 项目的主要组成部分。

模型

RULM 项目提供了多个针对俄语优化的大型语言模型:

RuTurboAlpaca 系列

• llama_7b_ru_turbo_alpaca_lora
• llama_13b_ru_turbo_alpaca_lora

这两个模型基于 LLaMA 模型,使用 LoRA 技术在俄语 Alpaca 数据集上进行了微调。

Saiga 系列

• saiga_7b_lora
• saiga_13b_lora
• saiga_30b_lora
• saiga2_7b_lora
• saiga2_13b_lora
• saiga2_70b_lora

Saiga 系列模型基于 LLaMA 和 LLaMA 2,在多个俄语指令数据集上进行了微调。

数据集

RULM 项目发布了多个高质量的俄语指令微调数据集:

RuTurboAlpaca

• HuggingFace 链接: IlyaGusev/ru_turbo_alpaca
• 这是一个使用 GPT-3.5-turbo 生成的俄语指令数据集
• 生成脚本: generate_instructions.py

Saiga Chat

• HuggingFace 链接: IlyaGusev/ru_turbo_saiga
• 这是一个使用 ChatGPT 生成的俄语多轮对话数据集
• 生成脚本: generate_chat.py

GPT Role-play Realm

• HuggingFace 链接: IlyaGusev/gpt_roleplay_realm
• 这是一个包含 200+ 个 GPT 生成角色及其对话的数据集

模型评测

RULM 项目进行了全面的模型评测,包括:

• 人工评测:使用 Toloka 众包平台进行模型输出质量的人工评估
• RSG 评测:在 RussianSuperGLUE 基准上评估模型性能

详细的评测结果可以在 GitHub README 中查看。

相关资源

• 项目 GitHub 仓库
• Saiga 7B 在线 Demo
• Saiga 13B CPU 检索式问答 Demo
• 模型微调 Colab 教程

RULM 项目为俄语自然语言处理提供了宝贵的资源。无论你是研究人员还是开发者,都可以利用这些开源模型和数据集来推进俄语 NLP 的发展。欢迎访问 RULM GitHub 仓库 了解更多详情!

文章链接：www.dongaigc.com/a/rulm-learning-resources-summary
https://www.dongaigc.com/a/rulm-learning-resources-summary