🚀 a1_science_stackexchange_physics_3k

本模型是基于 Qwen/Qwen2.5-7B-Instruct 在 mlfoundations-dev/a1_science_stackexchange_physics_3k 数据集上进行微调的版本。

🚀 快速开始

文档未提供快速开始相关内容，可根据实际情况补充如何使用该模型的步骤。

✨ 主要特性

文档未提供主要特性相关内容，可补充该模型相较于基础模型的优势、独特功能等。

📦 安装指南

文档未提供安装指南相关内容，可补充安装该模型所需依赖库的步骤，例如：

pip install transformers datasets torch tokenizers

💻 使用示例

文档未提供使用示例相关内容，可补充调用该模型进行推理的代码示例，例如：

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("a1_science_stackexchange_physics_3k")
model = AutoModelForCausalLM.from_pretrained("a1_science_stackexchange_physics_3k")

input_text = "你的输入文本"
input_ids = tokenizer(input_text, return_tensors="pt").input_ids
output = model.generate(input_ids)
output_text = tokenizer.decode(output[0], skip_special_tokens=True)
print(output_text)

📚 详细文档

模型描述

更多信息待补充。

预期用途与限制

更多信息待补充。

训练和评估数据

更多信息待补充。

🔧 技术细节

训练超参数

训练期间使用了以下超参数：

• 学习率（learning_rate）：2e-05
• 训练批次大小（train_batch_size）：1
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 分布式类型（distributed_type）：多GPU
• 设备数量（num_devices）：4
• 梯度累积步数（gradient_accumulation_steps）：24
• 总训练批次大小（total_train_batch_size）：96
• 总评估批次大小（total_eval_batch_size）：32
• 优化器（optimizer）：使用 adamw_torch，其中 betas=(0.9, 0.999)，epsilon=1e-08，无额外优化器参数
• 学习率调度器类型（lr_scheduler_type）：余弦
• 学习率调度器热身比例（lr_scheduler_warmup_ratio）：0.1
• 训练轮数（num_epochs）：7.0

训练结果

文档未提供训练结果相关内容，可补充训练过程中的损失值、评估指标等信息。

框架版本

• Transformers 4.46.1
• Pytorch 2.6.0+cu124
• Datasets 3.1.0
• Tokenizers 0.20.3

📄 许可证

本模型采用 Apache-2.0 许可证。

模型信息表格