Instructions to use ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text with Transformers:

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

pipe = pipeline("text-generation", model="ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text")
model = AutoModelForCausalLM.from_pretrained("ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text", 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=256)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text

SGLang

How to use ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text 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 "ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text" \
    --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": "ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text",
		"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 "ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text" \
        --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": "ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text with Docker Model Runner:
```
docker model run hf.co/ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text
```

Training

Base Model
- 자체 LLM (solar 기반)
Training dataset
- 표 이미지-텍스트 쌍 데이터

sys_text = """Given the following HTML table, convert it to a descriptive text format.
Summarize the content of the table. and then describe the key features or characteristics of the table."""

table = """WHO의 ICD-11 'Gaming Disorder' 질병코드화 시기별 추진경과 내용
<table><tr><td colspan="1" rowspan="1">2014년</td><td colspan="1" rowspan="1">·WHO 정신건강부 중독 섹션 자문 그룹 회의체를 통해 게임 등 디지털미디 어의과도한 사용이 공중보건학적 문제로 대응이 필요하다는 의견 도출 </td></tr><tr><td colspan="1" rowspan="1">2015년</td><td colspan="1" rowspan="1">·2차 TF 회의 통해 Gaming Disorder로 명명하여 ICD-11 등재를 추진하기로 전문가합의 도출 </td></tr><tr><td colspan="1" rowspan="1">2016년</td><td colspan="1" rowspan="1">·ICD-11 개정 사이트에 진단기준 게시 보건전문가의 의견 수렴 시작 </td></tr><tr><td colspan="1" rowspan="1">2017년12월 </td><td colspan="1" rowspan="1">·ICD-11 개정안 공개 </td></tr><tr><td colspan="1" rowspan="1">2018년5월 </td><td colspan="1" rowspan="1">·71차 세계보건총회에서 안건 상정 예고 ·공개된 개정안에 대한 각 회원국의 검토 시간 확보를 위해 ICD-11차 개정안 의총회 안건 상정을 1년간 연기(2019년 5월 72차 세계보건총회) </td></tr><tr><td colspan="1" rowspan="1">2018년 6월</td><td colspan="1" rowspan="1">·ICD-11 최종안을 WHO 홈페이지 게재 </td></tr><tr><td colspan="1" rowspan="1">2019년5월 </td><td colspan="1" rowspan="1">·ICD-11 개정안 만장일치 통과 </td></tr></table>"""

messages = [{'role': 'system', 'content': sys_text}, {'role': 'user', 'content': table}]

output = pipeline(Conversation(messages))

print(output)

결과

표는 WHO의 ICD-11 'Gaming Disorder' 질병코드화 시기별 추진경과 내용에 관한 표로 7행 2열이며 2014년부터 2019년까지 WHO가 게임 등 디지털 미디어의 과도한 사용이 공중보건학적 문제로 대응이 필요하다는 의견을 도출하고, 이를 바탕으로 'Gaming Disorder'를 명명하여 ICD-11에 등재하기로 합의하는 과정을 보여준다.
1. 2014년에 WHO 정신건강부 중독 섹션 자문 그룹 회의체에서 게임 등 디지털 미디어의 과도한 사용이 공중보건학적 문제로 대응이 필요하다는 의견이 도출되었다.  2. 2015년에는 2차 TF 회의를 통해 'Gaming Disorder'를 명명하여 ICD-11에 등재하기로 전문가 합의가 도출되었다.  3. 2019년 5월에는 ICD-11 개정안이 만장일치로 통과되었다.

Downloads last month: 10

Safetensors

Model size

11B params

Tensor type

BF16

Model tree for ENERGY-DRINK-LOVE/solar_merge_dpo_table_to_text

Base model

jingyeom/solar_merge_dpo

Finetuned

(1)

this model