All systems operationalAI Agent Automation Platform
English
Language简体中文EnglishSelected

Choose your language

lirongzhen-pufa-model

admlrz/lirongzhen-pufa-model

Publisheradmlrz

Download access requirementsModelScope source

本模型是基于InternLM-chat-7B预训练模型,通过原有大模型法律数据+民法典问答+维权进行FineTune,训练出来的微调模型。 模型通过120M的jsonl数据进行了4个epoch的微调训练生成。 本模型是用于实现咨询法律问题的对话。

Text Processing
Model details

模型介绍

中文整理

Clone with HTTP

介绍

本模型是基于InternLM-chat-7B预训练模型,通过原有大模型法律数据+民法典问答+维权进行FineTune,训练出来的微调模型。

模型通过120M的jsonl数据进行了4个epoch的微调训练生成。

模型描述

本模型是用于实现咨询法律问题的对话。

期望模型使用方式以及适用范围

使用gradio或者streamlit调用就行了。本地也可以直接使用命令行方式调用。

如何使用

命令行一个典型的方式就是编辑一个cli demo.py的文件:

然后 python cli demo.py即可。

训练数据介绍

后续补?

模型训练流程

​ 本项目 使用 xtuner0.1.9 训练,在 internlm-chat-7b 上进行微调,模型地址

​

  • 微调方法如下
  • --deepspeed 表示使用 DeepSpeed 🚀 来优化训练过程。XTuner 内置了多种策略,包括 ZeRO-1、ZeRO-2、ZeRO-3 等。如果用户期望关闭此功能,请直接移除此参数。
  • 将保存的 .pth 模型(如果使用的DeepSpeed,则将会是一个文件夹)转换为 LoRA 模型:
  • 将LoRA模型合并入 HuggingFace 模型:

数据评估及结果

后续补?

相关论文以及引用信息

后续补?

优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。

你将获得什么

完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。

完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。

使用前须知

运行环境

运行模型需要的设备、工具与依赖,以原作者说明为准。

授权范围

是否允许商用、修改和分发,请查看模型许可证。

闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。

Back to top