| --- |
| 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] |
