|
--- |
|
library_name: transformers |
|
license: apache-2.0 |
|
datasets: |
|
- DeepMount00/gquad_it |
|
language: |
|
- it |
|
--- |
|
|
|
## Mistral-RAG |
|
- **Model Name:** Mistral-RAG |
|
- **Base Model:** [Mistral-Ita-7b](https://huggingface.co./DeepMount00/Mistral-Ita-7b) |
|
- **Specialization:** Question and Answer Tasks |
|
|
|
### Overview |
|
Mistral-RAG is a refined fine-tuning of the Mistral-Ita-7b model, engineered specifically to enhance question and answer tasks. It features a unique dual-response capability, offering both generative and extractive modes to cater to a wide range of informational needs. |
|
|
|
### Capabilities |
|
#### Generative Mode |
|
- **Description:** The generative mode is designed for scenarios that require complex, synthesized responses. This mode integrates information from multiple sources and provides expanded explanations. |
|
- **Ideal Use Cases:** |
|
- Educational purposes |
|
- Advisory services |
|
- Creative scenarios where depth and detailed understanding are crucial |
|
|
|
#### Extractive Mode |
|
- **Description:** The extractive mode focuses on speed and precision. It delivers direct and concise answers by extracting specific data from texts. |
|
- **Ideal Use Cases:** |
|
- Factual queries in research |
|
- Legal contexts |
|
- Professional environments where accuracy and direct evidence are necessary |
|
|
|
|
|
### How to Use |
|
|
|
```python |
|
from transformers import AutoModelForCausalLM, AutoTokenizer |
|
import torch |
|
device = torch.device("cuda" if torch.cuda.is_available() else "cpu") |
|
|
|
MODEL_NAME = "DeepMount00/Mistral-RAG" |
|
|
|
model = AutoModelForCausalLM.from_pretrained(MODEL_NAME, torch_dtype=torch.bfloat16).eval() |
|
model.to(device) |
|
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME) |
|
|
|
def generate_answer(prompt, response_type="generativo"): |
|
# Creazione del contesto e della domanda in base al tipo di risposta |
|
if response_type == "estrattivo": |
|
prompt = f"Rispondi alla seguente domanda in modo estrattivo, basandoti esclusivamente sul contesto.\n{prompt}" |
|
else: |
|
prompt = f"Rispondi alla seguente domanda in modo generativo, basandoti esclusivamente sul contesto.\n{prompt}" |
|
|
|
# Preparazione del messaggio per il modello |
|
messages = [ |
|
{"role": "user", "content": prompt}, |
|
] |
|
model_inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(device) |
|
generated_ids = model.generate(model_inputs, max_new_tokens=200, do_sample=True, |
|
temperature=0.001, eos_token_id=tokenizer.eos_token_id) |
|
decoded = tokenizer.batch_decode(generated_ids, skip_special_tokens=True) |
|
return decoded[0].split("[/INST]", 1)[1].strip() if "[/INST]" in decoded[0] else "Errore nella generazione della risposta" |
|
|
|
|
|
|
|
# Esempio di utilizzo con la nuova funzionalità |
|
contesto = """Venerdì più di 2.100 persone che vivono vicino a un vulcano in Indonesia sono state sfollate per i rischi legati a un’eruzione. Martedì infatti l’isola vulcanica di Ruang, che si trova circa 100 chilometri a nord di Sulawesi, ha cominciato a eruttare, producendo una colonna di fumo e ceneri che ieri ha raggiunto 1.200 metri di altezza. Le operazioni di evacuazione sono ancora in corso: complessivamente sono più di 11mila le persone a cui è stato detto di lasciare le proprie case. Gran parte di loro vive sulla vicina isola di Tagulandang, che in totale ha 20mila abitanti; potrebbe essere raggiunta non solo dalle ceneri vulcaniche e dai piroclasti, ma anche da un eventuale tsunami causato dalla caduta in mare di lava e rocce.""" |
|
domanda = "Perchè le persone sono evacuate dalle case?" |
|
prompt = f"Contesto: {contesto}\nDomanda: {domanda}" |
|
|
|
|
|
answer = generate_answer(prompt, "estrattivo") |
|
print(answer) |
|
``` |
|
--- |
|
## Developer |
|
[Michele Montebovi] |
