---

license: other license_name: tongyi-qianwen-research license_link: >- https://huggingface.co/Qwen/Qwen1.5-0.5B-Chat-GPTQ-Int4/blob/main/LICENSE language:

• en pipeline_tag: text-generation tags:
• chat

---

Qwen1.5-0.5B-Chat-GPTQ-Int4

简介

Qwen1.5 是 Qwen2 的测试版本，基于 Transformer 架构的仅解码器语言模型，经过大量数据预训练。与之前发布的 Qwen 相比，改进包括：

• 8 种模型尺寸，包括 0.5B、1.8B、4B、7B、14B、32B 和 72B 密集模型，以及一个激活规模为 2.7B 的 14B MoE 模型；
• 聊天模型在人类偏好方面显著提升；
• 基础模型和聊天模型均支持多语言；
• 所有尺寸模型均稳定支持 32K 上下文长度；
• 无需 trust_remote_code。

更多详情，请参阅我们的 博客文章 和 GitHub 仓库。

模型详情

Qwen1.5 是一个包含不同尺寸解码器语言模型的系列。对于每种尺寸，我们发布了基础语言模型和经过对齐的聊天模型。该模型基于 Transformer 架构，采用 SwiGLU 激活函数、注意力 QKV 偏置、组查询注意力、滑动窗口注意力和全注意力混合等技术。此外，我们还改进了适用于多种自然语言和代码的标记器。对于测试版本，暂时未包含 GQA（32B 除外）以及滑动窗口注意力和全注意力的混合。

训练细节

我们使用大量数据对模型进行了预训练，并通过监督微调和直接偏好优化对模型进行了后训练。

环境要求

Qwen1.5 的代码已集成至最新的 Hugging Face Transformers，建议安装 transformers>=4.37.0，否则可能会遇到以下错误：

KeyError: 'qwen2'

快速入门

以下提供了一个使用 apply_chat_template 的代码片段，向您展示如何加载分词器和模型以及如何生成内容。

from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda" # the device to load the model onto

model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen1.5-0.5B-Chat-GPTQ-Int4",
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-0.5B-Chat-GPTQ-Int4")

prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512
)
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]

提示

• 若遇到代码切换或其他不良情况，建议您使用我们在 generation_config.json 中提供的超参数。

引用

若发现我们的工作对您有所帮助，欢迎引用。

@article{qwen,
  title={Qwen Technical Report},
  author={Jinze Bai and Shuai Bai and Yunfei Chu and Zeyu Cui and Kai Dang and Xiaodong Deng and Yang Fan and Wenbin Ge and Yu Han and Fei Huang and Binyuan Hui and Luo Ji and Mei Li and Junyang Lin and Runji Lin and Dayiheng Liu and Gao Liu and Chengqiang Lu and Keming Lu and Jianxin Ma and Rui Men and Xingzhang Ren and Xuancheng Ren and Chuanqi Tan and Sinan Tan and Jianhong Tu and Peng Wang and Shijie Wang and Wei Wang and Shengguang Wu and Benfeng Xu and Jin Xu and An Yang and Hao Yang and Jian Yang and Shusheng Yang and Yang Yao and Bowen Yu and Hongyi Yuan and Zheng Yuan and Jianwei Zhang and Xingxuan Zhang and Yichang Zhang and Zhenru Zhang and Chang Zhou and Jingren Zhou and Xiaohuan Zhou and Tianhang Zhu},
  journal={arXiv preprint arXiv:2309.16609},
  year={2023}
}

当然，我准备好帮助您翻译文本。请提供您希望我翻译的内容。