RELLM

RELLM 是一个用于结构化解码的本地 Hugging Face pipeline 模型的库。

它通过逐个生成标记来工作。在每一步中，它会屏蔽不符合提供的部分正则表达式的标记。

警告 - 这个模块仍处于实验阶段

pip install rellm > /dev/null

Hugging Face 基准

首先，让我们通过检查没有结构化解码的模型的输出来建立一个定性基准。

import logging

logging.basicConfig(level=logging.ERROR)
prompt = """Human: "What's the capital of the United States?"
AI Assistant:{
  "action": "Final Answer",
  "action_input": "The capital of the United States is Washington D.C."
}
Human: "What's the capital of Pennsylvania?"
AI Assistant:{
  "action": "Final Answer",
  "action_input": "The capital of Pennsylvania is Harrisburg."
}
Human: "What 2 + 5?"
AI Assistant:{
  "action": "Final Answer",
  "action_input": "2 + 5 = 7."
}
Human: 'What's the capital of Maryland?'
AI Assistant:"""

from transformers import pipeline
from langchain.llms import HuggingFacePipeline

hf_model = pipeline(
    "text-generation", model="cerebras/Cerebras-GPT-590M", max_new_tokens=200
)

original_model = HuggingFacePipeline(pipeline=hf_model)

generated = original_model.generate([prompt], stop=["Human:"])
print(generated)

    Setting `pad_token_id` to `eos_token_id`:50256 for open-end generation.


    generations=[[Generation(text=' "What\'s the capital of Maryland?"\n', generation_info=None)]] llm_output=None

这并不那么令人印象深刻，是吗？它没有回答问题，也没有遵循 JSON 格式！让我们尝试使用结构化解码器。

RELLM LLM 包装器

让我们再试一次，这次提供一个正则表达式来匹配 JSON 结构化格式。

import regex  # 注意这是正则表达式库，而不是 Python 的 re 标准库模块

# 我们将选择一个匹配结构化 JSON 字符串的正则表达式，它看起来像：
# {
#  "action": "Final Answer",
# "action_input": string or dict
# }
pattern = regex.compile(
    r'\{\s*"action":\s*"Final Answer",\s*"action_input":\s*(\{.*\}|"[^"]*")\s*\}\nHuman:'
)

from langchain_experimental.llms import RELLM

model = RELLM(pipeline=hf_model, regex=pattern, max_new_tokens=200)

generated = model.predict(prompt, stop=["Human:"])
print(generated)

    {"action": "Final Answer",
      "action_input": "The capital of Maryland is Baltimore."
    }
    

哇！没有解析错误。