few shot lm

语言模型是少数多语言学习者

纸

这是论文[Arxiv][ACL Anthology]的源代码：

该代码是使用 PyTorch 编写的。如果您在工作中使用此工具包中包含的源代码或数据集，请引用以下论文：

 @inproceedings{winata-etal-2021-语言，
    title =“语言模型是少数多语言学习者”，
    作者=“Winata、Genta Indra 和
      马多托、安德里亚和
      林兆江和
      刘、罗珊和
      约辛斯基、贾森和
      冯·帕斯卡尔”,
    booktitle =“第一届多语言表征学习研讨会论文集”，
    月份 = 十一月，
    年份=“2021”，
    地址=“多米尼加共和国蓬塔卡纳”，
    出版商=“计算语言学协会”，
    url =“https://aclanthology.org/2021.mrl-1.1”，
    页数=“1--15”，
}

设置环境

GPU机器

pip install -r requirements.txt

用于运行 GPT-J 6B 模型的 GPU 机器

apt install zstd

# the "slim" version contain only bf16 weights and no optimizer parameters, which minimizes bandwidth and memory
wget -c https://the-eye.eu/public/AI/GPT-J-6B/step_383500_slim.tar.zstd

tar -I zstd -xf step_383500_slim.tar.zstd

pip install -r mesh_transformer_jax/requirements.txt

# jax 0.2.12 is required due to a regression with xmap in 0.2.13
pip install mesh-transformer-jax/ jax==0.2.12

# cuda[your_cuda_version]
pip install jaxlib==0.1.67+cuda101 -f https://storage.googleapis.com/jax-releases/jax_releases.html

如何跑

零样本交叉任务

❱❱❱ CUDA_VISIBLE_DEVICES=0 python evaluate.py  --dataset snips --model_checkpoint facebook/bart-large-mnli --cuda --length 5 --label_type value --src_lang en --tgt_lang en --seed 42 --use_log_prob --use_confidence --is_cross_task

微调

❱❱❱ CUDA_VISIBLE_DEVICES=0 python finetune.py  --dataset snips --model_checkpoint bert-base-multilingual-uncased --cuda --label_type value --src_lang en --tgt_lang en --seed 42