提示模板¶
提示模板是结构化文本模板，用于格式化用户提示，以优化模型在特定任务上的性能。它们可以服务于多种目的：
模型特定的模板，每当模型接收到提示时都需要使用，例如指令微调的 Llama2 和 Mistral 模型中的 [INST] 标签。这些模型在使用这些标签进行预训练，在推理中使用它们有助于确保最佳性能。
任务特定的模板，用于让模型适应训练后预期处理的特定任务。示例包括语法纠正 (
GrammarErrorCorrectionTemplate)、摘要生成 (SummarizeTemplate)、问答 (QuestionAnswerTemplate) 等。社区标准化模板，例如
ChatMLTemplate
例如，如果我想微调一个模型来执行语法纠正任务，我可以使用 GrammarErrorCorrectionTemplate 将文本“Correct this to standard English: {prompt} — Corrected: {response}” 添加到我所有的数据样本中。
from torchtune.data import GrammarErrorCorrectionTemplate, Message
sample = {
"incorrect": "This are a cat",
"correct": "This is a cat.",
}
msgs = [
Message(role="user", content=sample["incorrect"]),
Message(role="assistant", content=sample["correct"]),
]
gec_template = GrammarErrorCorrectionTemplate()
templated_msgs = gec_template(msgs)
for msg in templated_msgs:
print(msg.text_content)
# Correct this to standard English: This are a cat
# ---
# Corrected:
# This is a cat.
添加的文本与模型分词器添加的特殊 token 不同。关于提示模板和特殊 token 之间区别的更详细讨论，请参阅 Tokenizing prompt templates & special tokens。
使用提示模板¶
提示模板被传递给分词器，并将自动应用于你正在微调的数据集。你可以通过两种方式传递它：
一个指向提示模板类的字符串点路径，例如：“torchtune.models.mistral.MistralChatTemplate” 或 “path.to.my.CustomPromptTemplate”
一个字典，将角色映射到字符串元组，表示在消息内容之前和之后添加的文本
通过点路径字符串定义¶
# In code
from torchtune.models.mistral import mistral_tokenizer
m_tokenizer = mistral_tokenizer(
path="/tmp/Mistral-7B-v0.1/tokenizer.model"
prompt_template="torchtune.models.mistral.MistralChatTemplate"
)
# In config
tokenizer:
_component_: torchtune.models.mistral.mistral_tokenizer
path: /tmp/Mistral-7B-v0.1/tokenizer.model
prompt_template: torchtune.models.mistral.MistralChatTemplate
通过字典定义¶
例如，要实现以下提示模板：
System: {content}\\n
User: {content}\\n
Assistant: {content}\\n
Tool: {content}\\n
你需要为每个角色传入一个元组，其中 PREPEND_TAG 是添加到文本内容之前的字符串，APPEND_TAG 是添加到之后的字符串。
template = {role: (PREPEND_TAG, APPEND_TAG)}
因此，模板可以定义如下：
template = {
"system": ("System: ", "\\n"),
"user": ("User: ", "\\n"),
"assistant": ("Assistant: ", "\\n"),
"ipython": ("Tool: ", "\\n"),
}
现在我们可以将其作为字典传递给分词器：
# In code
from torchtune.models.mistral import mistral_tokenizer
template = {
"system": ("System: ", "\\n"),
"user": ("User: ", "\\n"),
"assistant": ("Assistant: ", "\\n"),
"ipython": ("Tool: ", "\\n"),
}
m_tokenizer = mistral_tokenizer(
path="/tmp/Mistral-7B-v0.1/tokenizer.model"
prompt_template=template,
)
# In config
tokenizer:
_component_: torchtune.models.mistral.mistral_tokenizer
path: /tmp/Mistral-7B-v0.1/tokenizer.model
prompt_template:
system:
- "System: "
- "\\n"
user:
- "User: "
- "\\n"
assistant:
- "Assistant: "
- "\\n"
ipython:
- "Tool: "
- "\\n"
如果你不想为某个角色添加前置/后置标签，你可以在需要的地方传入空字符串 “” 。
使用 PromptTemplate 类¶
模板字典也可以传递给 PromptTemplate，这样你就可以将其作为一个独立的自定义提示模板类使用。
from torchtune.data import PromptTemplate
def my_custom_template() -> PromptTemplate:
return PromptTemplate(
template={
"user": ("User: ", "\\n"),
"assistant": ("Assistant: ", "\\n"),
},
)
template = my_custom_template()
msgs = [
Message(role="user", content="Hello world!"),
Message(role="assistant", content="Is AI overhyped?"),
]
templated_msgs = template(msgs)
for msg in templated_msgs:
print(msg.role, msg.text_content)
# user, User: Hello world!
#
# assistant, Assistant: Is AI overhyped?
#
自定义提示模板¶
对于不完全符合 PREPEND_TAG content APPEND_TAG 模式的更高级配置，你可以创建一个继承自 PromptTemplateInterface 并实现 __call__ 方法的新类。
from torchtune.data import Message
class PromptTemplateInterface(Protocol):
def __call__(
self,
messages: List[Message],
inference: bool = False,
) -> List[Message]:
"""
Format each role's message(s) according to the prompt template
Args:
messages (List[Message]): a single conversation, structured as a list
of :class:`~torchtune.data.Message` objects
inference (bool): Whether the template is being used for inference or not.
Returns:
The formatted list of messages
"""
pass
# Contrived example - make all assistant prompts say "Eureka!"
class EurekaTemplate(PromptTemplateInterface):
def __call__(
self,
messages: List[Message],
inference: bool = False,
) -> List[Message]:
formatted_dialogue = []
for message in messages:
if message.role == "assistant":
content = "Eureka!"
else:
content = message.content
formatted_dialogue.append(
Message(
role=message.role,
content=content,
masked=message.masked,
ipython=message.ipython,
eot=message.eot,
),
)
return formatted_dialogue
template = EurekaTemplate()
msgs = [
Message(role="user", content="Hello world!"),
Message(role="assistant", content="Is AI overhyped?"),
]
templated_msgs = template(msgs)
for msg in templated_msgs:
print(msg.role, msg.text_content)
# user, Hello world!
# assistant, Eureka!
更多示例，你可以查看 MistralChatTemplate 或 Llama2ChatTemplate。
要在分词器中使用此自定义模板，你可以通过点路径字符串传递它：
# In code
from torchtune.models.mistral import mistral_tokenizer
m_tokenizer = mistral_tokenizer(
path="/tmp/Mistral-7B-v0.1/tokenizer.model",
prompt_template="path.to.template.EurekaTemplate",
)
# In config
tokenizer:
_component_: torchtune.models.mistral.mistral_tokenizer
path: /tmp/Mistral-7B-v0.1/tokenizer.model
prompt_template: path.to.template.EurekaTemplate
