eridai/russian_dpo_qa
Viewer • Updated • 4.42k • 1
How to use eridai/erida-Inari-50125 with Transformers:
# Use a pipeline as a high-level helper
from transformers import pipeline
pipe = pipeline("text-generation", model="eridai/erida-Inari-50125")
messages = [
{"role": "user", "content": "Who are you?"},
]
pipe(messages) # Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("eridai/erida-Inari-50125")
model = AutoModelForCausalLM.from_pretrained("eridai/erida-Inari-50125", device_map="auto")
messages = [
{"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
messages,
add_generation_prompt=True,
tokenize=True,
return_dict=True,
return_tensors="pt",
).to(model.device)
outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))How to use eridai/erida-Inari-50125 with vLLM:
# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "eridai/erida-Inari-50125"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
-H "Content-Type: application/json" \
--data '{
"model": "eridai/erida-Inari-50125",
"messages": [
{
"role": "user",
"content": "What is the capital of France?"
}
]
}'docker model run hf.co/eridai/erida-Inari-50125
How to use eridai/erida-Inari-50125 with SGLang:
# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
--model-path "eridai/erida-Inari-50125" \
--host 0.0.0.0 \
--port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
-H "Content-Type: application/json" \
--data '{
"model": "eridai/erida-Inari-50125",
"messages": [
{
"role": "user",
"content": "What is the capital of France?"
}
]
}'docker run --gpus all \
--shm-size 32g \
-p 30000:30000 \
-v ~/.cache/huggingface:/root/.cache/huggingface \
--env "HF_TOKEN=<secret>" \
--ipc=host \
lmsysorg/sglang:latest \
python3 -m sglang.launch_server \
--model-path "eridai/erida-Inari-50125" \
--host 0.0.0.0 \
--port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
-H "Content-Type: application/json" \
--data '{
"model": "eridai/erida-Inari-50125",
"messages": [
{
"role": "user",
"content": "What is the capital of France?"
}
]
}'How to use eridai/erida-Inari-50125 with Docker Model Runner:
docker model run hf.co/eridai/erida-Inari-50125
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
MODEL_PATH = "eridai/erida-hotei-50125"
tokenizer = AutoTokenizer.from_pretrained(MODEL_PATH, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
MODEL_PATH,
torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
trust_remote_code=True
)
device = "cuda" if torch.cuda.is_available() else "cpu"
model = model.to(device)
prompt = "Почему трава зеленая?"
messages = [
{"role": "system", "content": "Ты — доброжелательный ассистент, отвечающий на русском языке."},
{"role": "user", "content": prompt}
]
input_ids = tokenizer.apply_chat_template(
messages,
add_generation_prompt=True,
return_tensors="pt",
enable_thinking=True # режим рассуждения
).to(device)
with torch.no_grad():
outputs = model.generate(
input_ids,
max_new_tokens=1024,
temperature=0.6,
repetition_penalty=1.1,
do_sample=True,
pad_token_id=tokenizer.pad_token_id,
eos_token_id=tokenizer.eos_token_id
)
response_ids = outputs[0][len(input_ids[0]):]
generated_text = tokenizer.decode(response_ids, skip_special_tokens=True)
print(generated_text.strip())
Промпт: Привет! Почему трава зеленая?
Ответ: <think>
Хорошо, пользователь спрашивает, почему трава зелена. Нужно ответить на это сначала. Но вдруг он ошибся, и хочет узнать о других цветах? Надо уточнить, чтобы не возникнуть путаницы.
Может быть, пользователь не уверен, что именно заставляет траву зеленой. Может быть, он подумал о другом объекте, который придает зелёный оттенок. В таком случае, стоит предложить рассказать о разных причинах, а затем запросить дополнительную информацию, чтобы понять, какие именно факторы влияют на внешний вид цвета.
Важно сохранить дружелюбные и понятные речь, избегая сложных терминов. Убедиться, что ответ понятен для пользователя, возможно, сопроводя примерами или объяснениями.
</think>
Трава зеленая, потому что её цвет отражает свет и создает пейзаж. Она является результатом биологических процессов: непрерывное превращение солнечного света в энергию, которая используется для жизни организма. Зеленьная окраска также служит защитной функцией — она защищает растения от UV-излучение. Если вы имеете в виду, например, какой-либо конкретной трава (например, листья, корни или цветы), могу помочь раскрыть детали! 😊