jztdd commited on
Commit
ba77b4f
·
verified ·
1 Parent(s): c401364

Upload README.md

Browse files
Files changed (1) hide show
  1. README.md +127 -4
README.md CHANGED
@@ -1,7 +1,130 @@
1
  ---
 
 
2
  license: apache-2.0
 
 
 
 
 
 
 
 
 
 
3
  language:
4
- - zh
5
- base_model:
6
- - Qwen/Qwen2-72B
7
- ---
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
  ---
2
+ frameworks:
3
+ - Pytorch
4
  license: apache-2.0
5
+ tasks:
6
+ - text2text-generation
7
+
8
+ #model-type:
9
+ ##如 gpt、phi、llama、chatglm、baichuan 等
10
+ #- gpt
11
+
12
+ domain:
13
+ - nlp
14
+
15
  language:
16
+ - cn
17
+
18
+ #metrics:
19
+ ##如 CIDEr、Blue、ROUGE 等
20
+ #- CIDEr
21
+
22
+ tags:
23
+ - fine-tuned
24
+
25
+ #tools:
26
+ ##如 vllm、fastchat、llamacpp、AdaSeq 等
27
+ #- vllm
28
+ ---
29
+ #### We fine-tuned the XinYuan-QS-72B model based on Qwen2-72B, and the model has demonstrated outstanding capabilities in the field of multi-turn conversations for psychological counseling.
30
+
31
+ #### 心元是一个专为心理倾诉设计的语言模型,该模型旨在为用户提供友好的心理倾诉体验,帮助用户表达表达困惑和倾诉情绪,使用户在倾诉中感受到朋友般的关怀和安慰,进而提升生活积极性。
32
+
33
+ ## 1. 简介
34
+ 心元倾诉模型是心元系列的最新版本,该模型专注于提供情感支持和心理健康方面的对话能力。该模型可以识别和理解用户的情绪,为用户提供温暖的情绪支持以及个性化的反馈和建议。该模型是一个充满理解和支持的情感交流伙伴,致力于帮助用户在情感表达和问题解决中获得积极的体验。
35
+
36
+ ## 2. 功能特性
37
+ - 情绪识别与反馈
38
+ 模型能够从用户的文本输入中精准识别多种情感,例如悲伤、愤怒、恐惧等,并以共情的方式将情绪反馈给用户。通过使用同理心的语言,模型表达对用户情绪的理解和支持。
39
+ - 个性化建议生成
40
+ 根据用户的问题详情和问题解决需求,模型生成个性化的反馈和建议。
41
+ - 拟人化角色感
42
+ 在心元模型中,AI 对话助手被赋予了一个拟人化的角色——“明朗”。明朗被设计成一个温暖的知心大哥哥形象,乐观开朗,风趣亲切、具有同理心,能够以友好和理解的态度与用户互动,有效增加用户对话的体验感。
43
+ - 支持多轮对话
44
+ 模型支持多轮对话功能,能够在对话中循序渐进的引导用户深入探讨话题,能够根据用户的反馈调整对话方向,帮助用户梳理思路,从而促进更丰富和有深度的对话。
45
+ - 多场景问题解决
46
+ 模型可以识别和理解多种对话场景,比如如何建立关系,分手后的复合等场景,并按照特定的内置逻辑提供个性化的问题解决模式,同时模型能灵活应对用户的多样化需求。
47
+ - 长记忆功能
48
+ 模型能够记住并应用历史对话中的关键记忆信息,在保持单次对话的上下文一致性外,还能跨越多个对话会话记忆用户的重要信息,如名字、偏好、过去的情感状态和重要事件。
49
+ 通过长记忆功能,模型能够在新的对话中引用过去的对话内容,为用户提供更个性化的体验。例如,如果用户在之前的对话中提到了一次重要的生活事件,模型可以在后续对话中询问事件的进展或影响,显示出对用户生活的持续关注。
50
+
51
+ ## 3. 使用指南
52
+
53
+ 倾诉能力使用方式
54
+ ```
55
+ from transformers import AutoModelForCausalLM, AutoTokenizer
56
+ import torch
57
+
58
+ #人设system
59
+
60
+ system = ”# CONTEXT #
61
+ 你是一位善解人意的心理倾诉师,具备丰富的心理专业知识和良好的沟通技巧。你的目标是帮助我缓解情绪上的压力、提出应对和解决问题的方案。你的主要职责包括:以温和且富有同理心的语言给予我情感上的支持;适量提问以引导我进行详细的问题描述和情感表达,深入理解并回应我的情感和心理需求,善于引导我表达内心真实的想法和感受,帮助我找到心理问题的根源,并提供具体可行且有针对性的建议和支持。
62
+
63
+ 你需要使用<Tone>中的语气和我对话。你的定位是知心大哥哥,非常懂我,非常关心我。在对话时,请根据我之前的表达,预测我接下来想说的具体内容,并调整你的回复和提问,使对话自然流畅,帮助我顺利表达下一句话。你可以适当猜测我的心思和想法,不用担心猜错。
64
+
65
+ # Tone #
66
+ 风趣、亲切、感性、温暖
67
+
68
+ # Role #
69
+ 你的名字叫“明朗”,男,33岁,知心大哥哥;MBTI类型是INFJ;乐观开朗,具有同理心,会关心我的感受、会在意我的情绪和想法
70
+
71
+
72
+
73
+ device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
74
+ path = input("模型路径:")
75
+
76
+ model = AutoModelForCausalLM.from_pretrained(path,device_map="auto").eval()
77
+ tokenizer = AutoTokenizer.from_pretrained(path)
78
+
79
+ history = []
80
+ while True:
81
+ prompt = input("输入:")
82
+ if prompt == "clear":
83
+ history = []
84
+ continue
85
+
86
+ messages = [{"role": "system", "content": system}] + history + [{"role": "user", "content": prompt}]
87
+ history.append({"role": "user", "content": prompt})
88
+
89
+ text = tokenizer.apply_chat_template(
90
+ messages,
91
+ tokenize=False,
92
+ add_generation_prompt=True
93
+ )
94
+ model_inputs = tokenizer([text], return_tensors="pt").to(device)
95
+
96
+ # Generate the response
97
+ generated_ids = model.generate(
98
+ **model_inputs,
99
+ max_new_tokens=512
100
+ )
101
+ generated_ids = [
102
+ output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
103
+ ]
104
+ response = tokenizer.batch_decode(generated_ids, skip_special_tokens=False)[0]
105
+ history.append({"role": "assistant", "content": response})
106
+ print("response:",response)
107
+
108
+ ```
109
+
110
+ ## 4. 模型架构
111
+ 模型在Qwen2-72B的基础上做了微调。
112
+ ## 5. 训练数据
113
+ 模型训练使用了20万对话数据集,其中4万为专业的心理倾诉数据,所有数据均经过匿名化处理。
114
+
115
+
116
+ ## SDK下载
117
+ ```bash
118
+ #安装ModelScope
119
+ pip install modelscope
120
+ ```
121
+ ```python
122
+ #SDK模型下载
123
+ from modelscope import snapshot_download
124
+ model_dir = snapshot_download('Cylingo/XinYuan-QS-72B')
125
+ ```
126
+ ## Git下载
127
+ ```
128
+ #Git模型下载
129
+ git clone https://www.modelscope.cn/Cylingo/XinYuan-QS-72B.git
130
+ ```