Chinese-LLaMA-Alpaca-2 v2.0 Files

本版本以功能性更新为主，包括更新技术报告、添加C-Eval预测脚本、添加低资源模型转换脚本等。

📚 更新技术报告（arXiv-v2）

• 更新模型构建的相关描述，添加Plus版本模型训练参数等
• 生成效果评测部分替换为Alpaca-Plus-7B、Alpaca-Plus-13B、Alpaca-33B对比
• 添加C-Eval完整评测结果，包括原版LLaMA以及本项目所有模型的结果与分析
• 添加不同量化层级（2-bit ~ 8-bit, FP16）的效果对比和分析
• 详细技术报告请查阅：https://arxiv.org/abs/2304.08177

🔬 添加C-Eval预测脚本（#601）

• 添加了论文中使用的C-Eval预测脚本，轻松复现论文中相关模型效果
• 提供了基于上述脚本的Colab notebook，用户可参考相关运行过程
• 详细的介绍请参见Wiki教程

🚀 添加低资源模型转换脚本（#608）

• 添加了新版低资源模型转换脚本merge_llama_with_chinese_lora_low_mem.py，大幅降低内存消耗
• 7B需要15GB，13B需要18GB，33B需要22GB（不同机器可能略有不同）
• 使用方法与旧脚本一致，后续将作为主要使用的模型合并脚本

其他更新和修复

• 修复了预训练脚本中文件名的一处错误（#540），Contribution by @alkaideemo
• 修复了模型保存问题，支持LoRA权重和tokenizer的保存 （#555）
• 在预训练和精调脚本中增加了检查项，避免后续模型合并出现异常问题（#595）

For English release note, please refer to Discussion.