first commit

README.md

@@ -0,0 +1,324 @@
+---
+language:
+- en
+- ko
+license: llama3.1
+library_name: transformers
+base_model:
+- meta-llama/Meta-Llama-3.1-405B
+---
+
+<a href="https://github.com/MLP-Lab/Bllossom">
+  <img src="https://github.com/teddysum/bllossom/blob/main//bllossom_icon.png?raw=true" width="40%" height="50%">
+</a>
+
+
+# Bllossom | [Demo]() | [Homepage](https://www.bllossom.ai/) | [Github](https://github.com/MLP-Lab/Bllossom) |
+
+<!-- [GPU용 Colab 코드예제](https://colab.research.google.com/drive/1fBOzUVZ6NRKk_ugeoTbAOokWKqSN47IG?usp=sharing) | -->
+<!-- [CPU용 Colab 양자화모델 코드예제](https://colab.research.google.com/drive/129ZNVg5R2NPghUEFHKF0BRdxsZxinQcJ?usp=drive_link) -->
+
+```bash
+저희 Bllossom 팀에서 llama3.1 기반의 한국어-영어 이중 언어모델 Bllossom-405B, Bllossom-8B를 공개합니다.
+이번 Bllossom3.1-405B는 preview 버전으로 다음과 같은 특징을 보입니다.
+ - Llama3.1-405B-Inst 대비 5~10% 한국어 성능이 향상 되었습니다 (single turn 기준).
+ - Llama3.1의 영어 성능을 전혀 손상시키지 않은 완전한 Bilingual 모델입니다.
+ - 기존 모델 대비 자연스럽고 친절한 한국어 문장을 생성합니다.
+ - 인간평가, GPT평가(MT-Bench, LogicKor 9점 등) 결과 GPT4와 유사하거나 약간 낮은 성능을 보여줍니다.
+
+해당 모델은 다음과 같은 협업을 토대로 구축 되었습니다!
+ - 서울과기대 MLP연구실의 경량화 사전 학습기법이 적용되었습니다.
+ - HP의 computing 지원이 있었습니다.
+ - Common Crawl의 Oscar팀의 적극적인 데이터 지원이 있었습니다
+
+언제나 그랬듯 해당 모델은 상업적 이용이 가능합니다. A100 6대만 준비되면 Bllossom을 이용해 여러분만의 모델을 만들어보세요 GPT4가 더이상 필요 없습니다.
+GPU자원이 부족하면 A100 3개 혹은 A6000 4개로 양자화 모델을 이용해 보세요. [양자화모델](https://huggingface.co/MLP-KTLim/llama-3-Korean-Bllossom-8B-4bit)
+
+1. Bllossom-8B는 서울과기대, 테디썸, 연세대 언어자원 연구실의 언어학자와 협업해 만든 실용주의기반 언어모델입니다! 앞으로 지속적인 업데이트를 통해 관리하겠습니다 많이 활용해주세요 🙂
+2. 초 강력한 Advanced-Bllossom 8B, 70B모델, 시각-언어모델을 보유하고 있습니다! (궁금하신분은 개별 연락주세요!!)
+3. Bllossom은 NAACL2024, LREC-COLING2024 (구두) 발표로 채택되었습니다.
+4. 좋은 언어모델 계속 업데이트 하겠습니다!! 한국어 강화를위해 공동 연구하실분(특히논문) 언제든 환영합니다!! 
+   특히 소량의 GPU라도 대여 가능한팀은 언제든 연락주세요! 만들고 싶은거 도와드려요.
+```
+
+```bash
+The Bllossom language model is a Korean-English bilingual language model based on the open-source LLama3.1. It enhances the connection of knowledge between Korean and English. It has the following features:
+ - Korean performance improved by 5-10% compared to Llama 3.1-405B-Inst (single turn basis).
+ - A complete bilingual model that does not compromise the English performance of Llama 3.1.
+ - Generates more natural and friendly Korean sentences compared to existing models.
+ - Human evaluations and GPT evaluations (MT-Bench, LogicKor scoring 9, etc.) show performance similar to or slightly lower than GPT-4.
+```
+
+**This model developed by [MLPLab at Seoultech](http://mlp.seoultech.ac.kr), [Teddysum](http://teddysum.ai/) and [Yonsei Univ](https://sites.google.com/view/hansaemkim/hansaem-kim)**
+
+## Demo Video
+
+<div style="display: flex; justify-content: space-between;">
+  <!-- 첫 번째 컬럼 -->
+  <div style="width: 49%;">
+    <a>
+      <img src="https://github.com/lhsstn/lhsstn/blob/main/x-llava_dem.gif?raw=true" style="width: 100%; height: auto;">
+    </a>
+    <p style="text-align: center;">Bllossom-V Demo</p>
+  </div>
+
+  <!-- 두 번째 컬럼 (필요하다면) -->
+  <div style="width: 49%;">
+    <a>
+      <img src="https://github.com/lhsstn/lhsstn/blob/main/bllossom_demo_kakao.gif?raw=true" style="width: 70%; height: auto;">
+    </a>
+    <p style="text-align: center;">Bllossom Demo(Kakao)ㅤㅤㅤㅤㅤㅤㅤㅤ</p>
+  </div>
+</div>
+
+
+
+# NEWS
+* [2024.06.18] We have reverted to the non-vocab-expansion model. However, we have significantly increased the amount of pre-training data to 250GB.
+* [2024.05.08] Vocab Expansion Model Update
+* [2024.04.25] We released Bllossom v2.0, based on llama-3
+
+## Example code
+
+### Colab Tutorial
+ - [Inference-Code-Link](https://colab.research.google.com/drive/1fBOzUVZ6NRKk_ugeoTbAOokWKqSN47IG?usp=sharing)
+
+### Install Dependencies
+```bash
+pip install torch transformers==4.40.0 accelerate
+```
+
+### Python code with Pipeline
+```python
+import transformers
+import torch
+
+model_id = "MLP-KTLim/llama-3-Korean-Bllossom-8B"
+
+pipeline = transformers.pipeline(
+    "text-generation",
+    model=model_id,
+    model_kwargs={"torch_dtype": torch.bfloat16},
+    device_map="auto",
+)
+
+pipeline.model.eval()
+
+PROMPT = '''You are a helpful AI assistant. Please answer the user's questions kindly. 당신은 유능한 AI 어시스턴트 입니다. 사용자의 질문에 대해 친절하게 답변해주세요.'''
+instruction = "서울의 유명한 관광 코스를 만들어줄래?"
+
+messages = [
+    {"role": "system", "content": f"{PROMPT}"},
+    {"role": "user", "content": f"{instruction}"}
+    ]
+
+prompt = pipeline.tokenizer.apply_chat_template(
+        messages, 
+        tokenize=False, 
+        add_generation_prompt=True
+)
+
+terminators = [
+    pipeline.tokenizer.eos_token_id,
+    pipeline.tokenizer.convert_tokens_to_ids("<|eot_id|>")
+]
+
+outputs = pipeline(
+    prompt,
+    max_new_tokens=2048,
+    eos_token_id=terminators,
+    do_sample=True,
+    temperature=0.6,
+    top_p=0.9
+)
+
+print(outputs[0]["generated_text"][len(prompt):])
+```
+```
+# 물론이죠! 서울은 다양한 문화와 역사, 자연을 겸비한 도시로, 많은 관광 명소를 자랑합니다. 여기 서울의 유명한 관광 코스를 소개해 드릴게요.
+
+### 코스 1: 역사와 문화 탐방
+
+1. **경복궁**
+   - 서울의 대표적인 궁궐로, 조선 왕조의 역사와 문화를 체험할 수 있는 곳입니다.
+
+2. **북촌 한옥마을**
+   - 전통 한옥이 잘 보존된 마을로, 조선시대의 생활상을 느낄 수 있습니다.
+
+3. **인사동**
+   - 전통 문화와 현대 예술이 공존하는 거리로, 다양한 갤러리와 전통 음식점이 있습니다.
+
+4. **청계천**
+   - 서울의 중심에 위치한 천문으로, 조깅과 산책을 즐길 수 있는 곳입니다.
+
+### 코스 2: 자연과 쇼핑
+
+1. **남산 서울타워**
+   - 서울의 전경을 한눈에 볼 수 있는 곳으로, 특히 저녁 시간대에 일몰을 감상하는 것이 좋습니다.
+
+2. **명동**
+   - 쇼핑과 음식점이 즐비한 지역으로, 다양한 브랜드와 전통 음식을 맛볼 수 있습니다.
+
+3. **한강공원**
+   - 서울의 주요 공원 중 하나로, 조깅, 자전거 타기, 배낭 여행을 즐길 수 있습니다.
+
+4. **홍대**
+   - 젊은이들이 즐겨 찾는 지역으로, 다양한 카페, 레스토랑, 클럽이 있습니다.
+
+### 코스 3: 현대와 전통의 조화
+
+1. **동대문 디자인 플라자 (DDP)**
+   - 현대적인 건축물로, 다양한 전시와 이벤트가 열리는 곳입니다.
+
+2. **이태원**
+   - 다양한 국제 음식과 카페가 있는 지역으로, 다양한 문화를 경험할 수 있습니다.
+
+3. **광화문**
+   - 서울의 중심에 위치한 광장으로, 다양한 공연과 행사가 열립니다.
+
+4. **서울랜드**
+   - 서울 외곽에 위치한 테마파크로, 가족단위 관광객들에게 인기 있는 곳입니다.
+
+이 코스들은 서울의 다양한 면모를 경험할 수 있도록 구성되어 있습니다. 각 코스마다 시간을 조절하고, 개인의 관심사에 맞게 선택하여 방문하면 좋을 것 같습니다. 즐거운 여행 되세요!
+```
+
+### Python code with AutoModel
+```python
+
+import os
+import torch
+from transformers import AutoTokenizer, AutoModelForCausalLM
+
+model_id = 'MLP-KTLim/llama-3-Korean-Bllossom-8B'
+
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(
+    model_id,
+    torch_dtype=torch.bfloat16,
+    device_map="auto",
+)
+
+model.eval()
+
+PROMPT = '''You are a helpful AI assistant. Please answer the user's questions kindly. 당신은 유능한 AI 어시스턴트 입니다. 사용자의 질문에 대해 친절하게 답변해주세요.'''
+instruction = "서울의 유명한 관광 코스를 만들어줄래?"
+
+messages = [
+    {"role": "system", "content": f"{PROMPT}"},
+    {"role": "user", "content": f"{instruction}"}
+    ]
+
+input_ids = tokenizer.apply_chat_template(
+    messages,
+    add_generation_prompt=True,
+    return_tensors="pt"
+).to(model.device)
+
+terminators = [
+    tokenizer.eos_token_id,
+    tokenizer.convert_tokens_to_ids("<|eot_id|>")
+]
+
+outputs = model.generate(
+    input_ids,
+    max_new_tokens=2048,
+    eos_token_id=terminators,
+    do_sample=True,
+    temperature=0.6,
+    top_p=0.9
+)
+
+print(tokenizer.decode(outputs[0][input_ids.shape[-1]:], skip_special_tokens=True))
+```
+```
+# 물론이죠! 서울은 다양한 문화와 역사, 자연을 겸비한 도시로, 많은 관광 명소를 자랑합니다. 여기 서울의 유명한 관광 코스를 소개해 드릴게요.
+
+### 코스 1: 역사와 문화 탐방
+
+1. **경복궁**
+   - 서울의 대표적인 궁궐로, 조선 왕조의 역사와 문화를 체험할 수 있는 곳입니다.
+
+2. **북촌 한옥마을**
+   - 전통 한옥이 잘 보존된 마을로, 조선시대의 생활상을 느낄 수 있습니다.
+
+3. **인사동**
+   - 전통 문화와 현대 예술이 공존하는 거리로, 다양한 갤러리와 전통 음식점이 있습니다.
+
+4. **청계천**
+   - 서울의 중심에 위치한 천문으로, 조깅과 산책을 즐길 수 있는 곳입니다.
+
+### 코스 2: 자연과 쇼핑
+
+1. **남산 서울타워**
+   - 서울의 전경을 한눈에 볼 수 있는 곳으로, 특히 저녁 시간대에 일몰을 감상하는 것이 좋습니다.
+
+2. **명동**
+   - 쇼핑과 음식점이 즐비한 지역으로, 다양한 브랜드와 전통 음식을 맛볼 수 있습니다.
+
+3. **한강공원**
+   - 서울의 주요 공원 중 하나로, 조깅, 자전거 타기, 배낭 여행을 즐길 수 있습니다.
+
+4. **홍대**
+   - 젊은이들이 즐겨 찾는 지역으로, 다양한 카페, 레스토랑, 클럽이 있습니다.
+
+### 코스 3: 현대와 전통의 조화
+
+1. **동대문 디자인 플라자 (DDP)**
+   - 현대적인 건축물로, 다양한 전시와 이벤트가 열리는 곳입니다.
+
+2. **이태원**
+   - 다양한 국제 음식과 카페가 있는 지역으로, 다양한 문화를 경험할 수 있습니다.
+
+3. **광화문**
+   - 서울의 중심에 위치한 광장으로, 다양한 공연과 행사가 열립니다.
+
+4. **서울랜드**
+   - 서울 외곽에 위치한 테마파크로, 가족단위 관광객들에게 인기 있는 곳입니다.
+
+이 코스들은 서울의 다양한 면모를 경험할 수 있도록 구성되어 있습니다. 각 코스마다 시간을 조절하고, 개인의 관심사에 맞게 선택하여 방문하면 좋을 것 같습니다. 즐거운 여행 되세요!
+```
+
+
+
+## Citation
+**Language Model**
+```text
+@misc{bllossom,
+  author = {ChangSu Choi, Yongbin Jeong, Seoyoon Park, InHo Won, HyeonSeok Lim, SangMin Kim, Yejee Kang, Chanhyuk Yoon, Jaewan Park, Yiseul Lee, HyeJin Lee, Younggyun Hahm, Hansaem Kim, KyungTae Lim},
+  title = {Optimizing Language Augmentation for Multilingual Large Language Models: A Case Study on Korean},
+  year = {2024},
+  journal = {LREC-COLING 2024},
+  paperLink = {\url{https://arxiv.org/pdf/2403.10882}},
+ },
+}
+```
+
+**Vision-Language Model**
+```text
+@misc{bllossom-V,
+  author = {Dongjae Shin, Hyunseok Lim, Inho Won, Changsu Choi, Minjun Kim, Seungwoo Song, Hangyeol Yoo, Sangmin Kim, Kyungtae Lim},
+  title = {X-LLaVA: Optimizing Bilingual Large Vision-Language Alignment},
+  year = {2024},
+  publisher = {GitHub},
+  journal = {NAACL 2024 findings},
+  paperLink = {\url{https://arxiv.org/pdf/2403.11399}},
+ },
+}
+```
+
+## Contact
+ - 임경태(KyungTae Lim), Professor at Seoultech. `[email protected]`
+ - 함영균(Younggyun Hahm), CEO of Teddysum. `[email protected]`
+ - 김한샘(Hansaem Kim), Professor at Yonsei. `[email protected]`
+
+## Contributor
+ - 최창수(Chansu Choi), [email protected]
+ - 김상민(Sangmin Kim), [email protected]
+ - 원인호(Inho Won), [email protected]
+ - 김민준(Minjun Kim), [email protected] 
+ - 송승우(Seungwoo Song), [email protected]
+ - 신동재(Dongjae Shin), [email protected]
+ - 임현석(Hyeonseok Lim), [email protected]
+ - 육정훈(Jeonghun Yuk), [email protected]
+ - 유한결(Hangyeol Yoo), [email protected]
+ - 송서현(Seohyun Song), [email protected]