概要
LocalNovelLLM-projectのVecteus-v1を試したところ、流暢に日本語を話したので、Agentとして使えたら便利そうだと思い、試してみました。LocalNovelLLM-projectさんの４つのモデルを例によってElyzaTasks100で評価してみた。Vecteusはなんと3.74の超高スコアを叩き出しました！7Bでこのスコアはあり得ない！GeminiPro（3.85）とかCommand R+（3.83）とかの神々の領域に手を伸ばしています！Ninjaのスコアも相当高い pic.twitter.com/INZV1fTGaU
— うみゆき@AI研究 (@umiyuki_ai) May 5, 2024
参考：Local-Novel-LLM-project/Vecteus-v1・Hugging Face
環境・言語など
マシン
Mac mini 2023
- Apple M2 Proチップ
- メモリ 32GB
言語
Python 3.10.14
ライブラリ
- langchain 0.1.17
- langchain-community 0.0.36
- langchain-core 0.1.50
- streamlit 1.34.0
- mlx 0.12.2
- mlx-lm 0.12.1
ソースコードと実行結果
Vecteus-v1の日本語性能を試す
from mlx_lm import load, generate
model_name = "Local-Novel-LLM-project/Vecteus-v1"
temp_value = 0.7
max_tokens = 758
prompt = """
A chat between a curious user and an artificial intelligence assistant.
The assistant gives helpful, detailed, and polite answers to the user's questions in Japanese.
USER: こんにちは!
ASSISTANT: こんにちは!</s>
USER: どうして空は青いの？
ASSISTANT:
"""
model, tokenizer = load(model_name)
response = generate(
model,
tokenizer,
prompt=prompt,
verbose=True,
temp = temp_value,
max_tokens = max_tokens
)
print(response)
出力
Prompt: 136.700 tokens-per-sec
Generation: 11.172 tokens-per-sec
空が青く見える理由は、大気中の成分による光の散乱に関係しています。
地球の大気は、主に窒素と酸素のガスからできています。
これらの気体分子は、太陽から放たれる光をさまざまな波長に散乱させます。
太陽光は、可視光線と呼ばれる波長の範囲に、白色に近いスペクトルを持っています。
この光は、窒素や酸素分子に衝突すると、その分子が振動して光を散乱させます。
波長の短い青色光は、他の色の光よりも散乱されやすい性質があります。
このため、太陽の光が大気中を通過する際に、青色光がより多く散乱され、私たちの目に届きます。
一方、波長の長い赤色光は散乱されにくく、直進する割合が高いので、私たちの目に届きやすい位置にあることが多いです。
光の散乱現象をレイリー散乱と呼びます。
この現象によって、私たちは空を青く見ることができるのです。
ただし、空の色は常に青いわけではありません。
時間や場所、大気中のちりや水蒸気、気温などによっても変化します。
例えば、朝焼けや夕焼けは、大気中のちりや水蒸気によって光が散乱されやすくなるため、赤やオレンジ色に見えます。
また、雲のある日は雲自体が光を反射することで、空の色は変化します。
以上のような理由で、空は私たちにとって美しい多彩な色合いを見せてくれるのです。
Agentにしてみる
from langchain.agents import load_tools, initialize_agent, AgentType
from langchain_community.llms.mlx_pipeline import MLXPipeline
from langchain_community.chat_models.mlx import ChatMLX
from langchain_core.messages import SystemMessage, HumanMessage, AIMessage
max_tokens = 512
temp = 0.7
llm = MLXPipeline.from_model_id(
"Local-Novel-LLM-project/Vecteus-v1",
pipeline_kwargs={"max_tokens": max_tokens, "temp": temp},
)
chat_model = ChatMLX(llm=llm)
agent_kwargs = {
"suffix": """開始!ここからの会話は全て日本語で行われる。
以前のチャット履歴
{chat_history}
新しいインプット: {input}
{agent_scratchpad}"""
}
# setup tools
tools = load_tools(["wikipedia", "llm-math"], llm=llm)
agent_chain = initialize_agent(
tools,
chat_model,
agent=AgentType.CONVERSATIONAL_REACT_DESCRIPTION,
agent_kwargs=agent_kwargs,
handle_parsing_errors=True
)
response = agent_chain.run({"input":"ゴリラの学名を教えて", "chat_history":[]})
print(response)
出力
ゴリラの学名は「Gorilla gorilla」です。
initialize_agentでhandle_parsing_errors=Trueを設定しないと、後述のStreamlitで出力されませんでした。
参考：MLX | LangChain
LangChainのChatbotプロンプトを理解して日本語を出力するように誘導する
Streamlitと組み合わせてみる
出力
出力が不自然だったり、「Wikipediaで調べて」と言ってもWikipedia検索をしてくれなかったり、間違ったことを出力したりします。
出力が途中で途切れてしまうのはトークン数の設定が少ないためだと思います。
トークン数の上限を大きくしても途中で文章が途切れてしまうので、トークン数は原因ではないと思われます。原因がわかったら追記します。
プロンプトをチューニングすれば改善するかもしれませんが、このままではAgentとして利用するのは難しそうです。
一応Wikipedia検索をしてくれるときもあります（画像は失敗しているけど）。
アプリケーション立ち上げ直後と推論中はメモリ32GBでギリギリでした。
↓推論中のメモリ
参考：ChatGPT/LangChainによるチャットシステム構築［実践］入門
感想
Vectus-v1はローカルLLMとは思えないほど自然な日本語で驚きました。
Agentとして活躍できるような日本語ローカルLLMが出てこないか、これからもウォッチし続けていきます。
2024/05/10 追記
こちらのGitHubのissuesで、AgentTypeによって正常に動作したり、動作しなかったりすることが記載されていたので、以下のようにAgentの設定を変更したところ、挙動が改善しました。
また、toolのwikipediaは挙動が不安定なので解雇しました。
def create_agent_chain():
max_tokens = 512
temp = 0.7
llm = MLXPipeline.from_model_id(
"Local-Novel-LLM-project/Vecteus-v1",
pipeline_kwargs={"max_tokens": max_tokens, "temp": temp},
)
chat_model = ChatMLX(llm=llm)
# setup tools
- tools = load_tools(["wikipedia", "llm-math"], llm=llm)
+ tools = load_tools(["llm-math", "ddg-search"], llm=llm)
agent_kwargs = {
- "suffix": """開始!ここからの会話は全て日本語で行われる。
+ "suffix": """ここからの思考と会話は全て日本語だけで行う。以下の手順で解答を作る。
+ 思考の過程やどのようにtoolを使ったかを出力しない。Final Answerだけ出力する。
+ 1. ユーザの入力から検索キーワードを作成する。検索キーワードは単語と単語を半角スペースで繋いだものにする。
+ 2. 1. で作成した検索キーワードをddg-searchに入力する。
+ 3. ddg-searchから得られた結果を用いて解答を作成する。
以前のチャット履歴
{chat_history}
新しいインプット: {input}
{agent_scratchpad}"""
}
return initialize_agent(
tools,
chat_model,
- agent=AgentType.CONVERSATIONAL_REACT_DESCRIPTION,
+ agent=AgentType.STRUCRED_CHAT_ZERO_SHOT_REACT_DESCRIPTION,
agent_kwargs=agent_kwargs,
handle_parsing_errors=True,
verbose=True
)
結果
action_inputの値から、システムプロンプトは効いていそう。
ターミナルに出力された応答。途中で途切れてしまう理由は未だ不明です。
> Entering new AgentExecutor chain...
{
"action": "duckduckgo_search",
"action_input": "MAZDA Zoom-Zoomスタジアム 住所"
}
MAZDA Zoom-Zoomスタジアムの住所は、
大阪府大阪市西区千島通4-3-10
です。
以上です。ご質問
> Finished chain.