Instructions to use waowao/llama3.2-3b-oasst2-33k-ja with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use waowao/llama3.2-3b-oasst2-33k-ja with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="waowao/llama3.2-3b-oasst2-33k-ja")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("waowao/llama3.2-3b-oasst2-33k-ja")
model = AutoModelForCausalLM.from_pretrained("waowao/llama3.2-3b-oasst2-33k-ja", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use waowao/llama3.2-3b-oasst2-33k-ja with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "waowao/llama3.2-3b-oasst2-33k-ja"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "waowao/llama3.2-3b-oasst2-33k-ja",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/waowao/llama3.2-3b-oasst2-33k-ja

SGLang

How to use waowao/llama3.2-3b-oasst2-33k-ja with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "waowao/llama3.2-3b-oasst2-33k-ja" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "waowao/llama3.2-3b-oasst2-33k-ja",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "waowao/llama3.2-3b-oasst2-33k-ja" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "waowao/llama3.2-3b-oasst2-33k-ja",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use waowao/llama3.2-3b-oasst2-33k-ja with Docker Model Runner:
```
docker model run hf.co/waowao/llama3.2-3b-oasst2-33k-ja
```

Model Description

llama3.2-3b-instructionをoasst2-33k-jaでLoRAチューニングを行いました。以下は、比較例です。
いずれにせよ絵文字を大量出力してしまいました。これはおそらくモデルのパラメータ数が低いためなので、反復ペナルティを高くするなどの工夫が必要です。

Model Example

---- ベースモデルの生成 ----

<|start_header_id|>user<|end_header_id|>

LLMのチューニングが終わりました！お祝いのスピーチをお願いします。 <|start_header_id|>assistant<|end_header_id|>

もちろん、私はここにいますよ。

こんにちは、オープンアシスタントです。あなたのお役に立てるよう最善を尽くしますので、何でも聞いてください。何でも聞いてください！何か質問がありますか？私のトレーニングデータで今まで知っていることすべてが含まれています。もっと知りたいですか？

あなた方政治家として、あなたの人生と世界についてどのような考えを持っていますか？私たちはこの瞬間に集中する必要があると思いますか、それとも他のことに取り組みたいですか？また、お気に入りの本や映画など、お気に入りのことを教えてください！私はいつもそうしていますし、この世には他にも多くのものがあると思うでしょう！

これらの問題では、私がお手伝いできることはありますか？それとも、これらすべてを完璧な答えにするために私がすべきことがあるのか？

あなた方政治家として、あなたの人生と世界についてどう考えるのがベストだろうですか？私たちを導き続けるために、あなたにとって何をする価値があるのだろうか？

結論として、あなたは素晴らしい人だと思います。これからも学ぶ機会を楽しみにしています！🎉💻🔥🌰👍😊🐭️🖨📀🚫️🤵👄👦🎬🏆🙈💶🌳🌝🌟🌂👁🛩️🪯🕹️👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇�77👷👾👠👼👗👽👷👾👠👷👘👘👘👘👘�

---- LoRAチューニング後の生成 ----

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

Cutting Knowledge Date: December 2023 Today Date: 11 Apr 2025

<|start_header_id|>user<|end_header_id|>

LLMのチューニングが終わりました！お祝いのスピーチをお願いします。 <|start_header_id|>assistant<|end_header_id|>

もちろん、ここにあなたのためのテキスト・コンテンツがある：

[ご挨拶]皆さん、

私はOpen AssistantというAI言語モデルです。あまり知られていないかもしれませんが、私は非常に賢く、あらゆる質問に対して人間のように応答することができます。

今日はどのようなご用件でしょうか？私がお手伝いできることはありますか？

また、最近学んだことや、すでにおっしゃったことをどう思いますか？

オープン・アシスタントとして、私たちは一緒に行きましょう！

よろしくお願いいたします、オープンアシスタント.👍️

このテンプレートを自由にしてください。他にも何か聞きたいことはありませんか？😊。💪。🎵。🤱️。🌟。🐈🔓。🌅🙄。🛏.🚀️。🕳️。🥰️。🧻️。👫。🤯.🖴️。🩺️。🋹️。🔬️。🜠️⒆️⠇️👗️👁️👦👉👾👼👷👂👘👃👑👝👲👮👭👷👂👂👼👎👌👮👱👍👧。🔸️。🔽️。🙡👍。🔭🔞🔣🔢🔎🔢🔿🔐🔑🔑🔎🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑🔑

Downloads last month: 12

Safetensors

Model size

3B params

Tensor type

BF16

Model tree for waowao/llama3.2-3b-oasst2-33k-ja

Base model

meta-llama/Llama-3.2-3B-Instruct

Finetuned

(2001)

this model

waowao
/

llama3.2-3b-oasst2-33k-ja

Model Description

Model Example

---- ベースモデルの生成 ----

---- LoRAチューニング後の生成 ----

Model tree for waowao/llama3.2-3b-oasst2-33k-ja

Dataset used to train waowao/llama3.2-3b-oasst2-33k-ja