def generate_stream(self, model_name, prompt, model_version, request_id, parameters)

model_name

str

输入

模型名称。

模型名称支持大小写字母、数字、点号、中划线和下划线中一种或任意几种字符组成，最大长度为1000。

prompt

str

输入

模型输入字符串，长度取值范围为[1, 512000]。

model_version

str

输入

模型版本，默认为""。该字段暂不支持，不传递。

request_id

str

输入

请求ID，默认为""；如果request_id为空，则会随机初始化一个值。如果为非空，长度需满足[1,1000]。

parameters

dict

输入

额外的请求参数，默认为None；包括seed、temperature、top_k、top_p、do_sample、repetition_penalty、typical_p、batch_size、details和max_new_tokens，详情请参见表1。

seed

uint64_t

输入

随机种子数。

取值范围为[0,18446744073709551615]，不传递该参数，系统会产生一个随机seed值。

temperature

float

输入

控制生成的随机性，较高的值会产生更多样化的输出。

取值范围：(1e-6, 2.0]。

取值越大，结果的随机性越大。推荐使用大于或等于0.001的值，小于0.001可能会导致文本质量不佳。

建议最大值取2.0，同时视模型而定。

top_k

uint32_t

输入

控制模型生成过程中考虑的词汇范围，只从概率最高的k个候选词中选择，0表示不做top_k。

取值范围：[0, 4294967295]。

top_p

float

输入

控制模型生成过程中考虑的词汇范围，使用累积概率选择候选词，直到累积概率超过给定的阈值。该参数也可以控制生成结果的多样性，它基于累积概率选择候选词，直到累积概率超过给定的阈值为止。

取值范围：(1e-6,1.0]。

do_sample

bool

输入

是否做sampling。

repetition_penalty

float

输入

重复惩罚用于减少在文本生成过程中出现重复片段的概率。它对之前已经生成的文本进行惩罚，使得模型更倾向于选择新的、不重复的内容。

取值范围大于0。

• 小于1.0表示对重复进行奖励。
• 1.0表示不进行重复度惩罚。
• 大于1.0表示对重复进行惩罚。

建议最大值取2，同时视模型而定。

typical_p

float

输入

解码输出概率分布指数，当前后处理不支持。

取值范围为(0.0,1.0]。

batch_size

int

输入

推理请求batch_size。

取值大于0。

details

bool

输入

是否返回推理详细输出结果。

max_new_tokens

int

输入

允许推理生成的最大token个数。该字段受到配置文件maxIterTimes参数影响，推理token个数<=maxIterTimes。

取值范围(0, maxIterTimes]。

maxIterTimes是Server配置文件config.json中的参数，详情请参见《MindIE LLM开发指南》中的“核心概念与配置 >配置参数说明（服务化）”章节中ScheduleConfig字段下的maxIterTimes参数。