这个仓库包含了PMC_LLaMA_7B，它是在S2ORC数据集中的PMC论文上进行细调的LLaMA-7b模型。

该模型使用以下超参数进行训练:

• 迭代轮数: 5
• 批大小: 128
• 截断长度: 512
• 学习率: 2e-5

每个论文每轮我们抽样512个token进行训练。

可以按照以下方式加载该模型:

import transformers
import torch
tokenizer = transformers.LlamaTokenizer.from_pretrained('chaoyi-wu/PMC_LLAMA_7B')
model = transformers.LlamaForCausalLM.from_pretrained('chaoyi-wu/PMC_LLAMA_7B')
sentence = 'Hello, doctor' 
batch = tokenizer(
            sentence,
            return_tensors="pt", 
            add_special_tokens=False
        )
with torch.no_grad():
    generated = model.generate(inputs = batch["input_ids"], max_length=200, do_sample=True, top_k=50)
    print('model predict: ',tokenizer.decode(generated[0]))