首页
/ 开源项目最佳实践:RARE 项目教程

开源项目最佳实践:RARE 项目教程

2025-05-21 05:02:34作者:宗隆裙

1. 项目介绍

RARE(Retrieval-Augmented Reasoning Modeling)是一个新颖的框架,它将知识存储与推理建模解耦,从而加速推理建模过程,避免对低级别知识的机械记忆。该项目旨在通过结合领域知识和思考,提高大型语言模型(LLM)在推理方面的深度和准确性。RARE 的研究成果和实践进展将在本仓库中持续更新。

2. 项目快速启动

在开始之前,确保您已经安装了 Git 和 Conda。以下是快速启动 RARE 项目的步骤:

# 克隆项目仓库
git clone https://github.com/Open-DataFlow/RARE.git
cd RARE

# 创建并激活虚拟环境
conda create -n rare python=3.10
conda activate rare

# 安装项目依赖
pip install -r requirements.txt

快速启动示例

项目提供了两个完整的示例,一个是纯语言任务,一个是视觉-语言任务。

  • 纯语言任务(PubMedQA 数据集)
# 训练模型
bash demo/llama_pubmedqa_rare.sh
  • 视觉-语言任务(MM-RAIT 数据集)
# 训练模型
bash demo/qwenvl_mmrait_rare.sh

3. 应用案例和最佳实践

数据准备

项目提供了处理不同来源数据的方法。以下是将原始数据格式化的步骤:

# 下载和解压数据集
huggingface-cli download --repo-type dataset --resume-download yuhkalhic/rare_share --local-dir process/rare_share
unzip process/rare_share/system=planner_addret,dataset=all_dev,debug=False.zip -d process/rare_share/system=planner_addret,dataset=all_dev,debug=False
unzip process/rare_share/system=planner_addret,dataset=all_train,debug=False.zip -d process/rare_share/system=planner_addret,dataset=all_train,debug=False
unzip process/rare_share/system=planner_addret,dataset=all_test,debug=False.zip -d process/rare_share/system=planner_addret,dataset=all_test,debug=False

# 处理数据集
python process/process_medqa.py
python process/process_pubmed.py
python process/process_pubhealth.py
python process/process_casehold.py
python process/process_finfact.py
python process/process_mmrait.py

模型训练

训练代码支持多种类型的模型。以下是一些具体的模型名称示例:

  • meta-llama/Llama-3.1-8B-Instruct
  • Qwen/Qwen2.5-7B-Instruct
  • mistralai/Mistral-7B-Instruct-v0.3

根据您的需要选择合适的模型,并修改 fsdp_config 参数。如果需要使用更多的模型,可以修改 train/sft.py 中的代码。

  • 仅使用文本数据集(medqa, pubmed, pubhealth, casehold, finfact)
# 训练模型
bash train/sft.sh
  • 使用多模态数据集(mmrait)
# 训练模型
accelerate launch --config_file train/accelerate_config_mm.yaml train/train.py train/training_args_mm.yaml

模型推理

推理脚本支持五种类型的模型。以下是一些具体的模型名称示例:

  • meta-llama/Llama-3.1-8B-Instruct
  • Qwen/Qwen2.5-7B-Instruct
  • mistralai/Mistral-7B-Instruct-v0.3
  • deepseek-ai/DeepSeek-R1-Distill-Llama-8B
  • Qwen/Qwen2.5-VL-7B-Instruct

对于测试集,至少完成预处理的第一步,包括问题和标准答案。以下是一个推理示例:

# 推理
python inference/vllm_infer_text.py --model_name_or_path saves/medqa-llama --dataset_path data/test_medqa.json --template llama --prediction_key llm_predict_rare_llama --tensor_parallel_size 8

4. 典型生态项目

RARE 作为一个开源项目,其生态系统中包含了多个相关的项目和工具,例如:

  • 数据集处理工具:用于处理不同来源和格式的数据集。
  • 预训练模型:提供多种预训练模型以供选择和使用。
  • 推理工具:支持多种模型进行推理,并提供了相应的脚本。

通过这些典型生态项目,开发者可以更方便地使用 RARE 进行研究和开发。

登录后查看全文
热门项目推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
53
468
kernelkernel
deepin linux kernel
C
22
5
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
878
517
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
180
264
cjoycjoy
一个高性能、可扩展、轻量、省心的仓颉Web框架。Rest, 宏路由,Json, 中间件,参数绑定与校验,文件上传下载,MCP......
Cangjie
87
14
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
381
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
612
60